申请/专利权人：江苏理工学院

申请日：2020-02-19

公开（公告）日：2023-11-24

公开（公告）号：CN111274529B

主分类号：G06F17/11

分类号：G06F17/11;G06F17/16

优先权：

专利状态码：有效-授权

法律状态：2023.11.24#授权;2020.07.07#实质审查的生效;2020.06.12#公开

摘要：本发明属于智能信息处理技术领域，涉及多扩展目标的预测划分与量测标记，具体为一种鲁棒的高斯逆威沙特PHD多扩展目标跟踪算法，实现了对紧邻目标量测集的高精度划分和精确跟踪，可以用更小的代价实现更精确地划分，从而可以提高滤波器的精度，可用于航空航天、机器人导航、无人车辆导航，车辆跟踪、激光雷达等领域，与传统方法相比，本发明具有良好的精度与鲁棒性，具有良好的利用价值。

主权项：1.一种鲁棒的高斯逆威沙特PHD多扩展目标跟踪算法，其特征在于：所述算法包括如下步骤：步骤1，令初始时刻k＝0，初始化参数：初始目标状态为x0＝{m0,P0}，m0为目标的位置，P0为运动误差的协方差矩阵；步骤2，当k≥1时，对量测集进行划分；将一组量测集Z划分成若干个非空的子集或单元W；检测W中的元素数量，利用预测信息将量测划分为集群；如果一个量测可以被分成两个集群，选择分量权重大的集群；步骤2用目标的预测位置信息对目标量测集进行划分，按下述步骤计算得到：步骤2-1，当权重时将会被调整为 步骤2-2，对位置进行修正：假设集和的所有分量所对应的量测为 步骤2-3，对于每一个位置通过转移矩阵进行修正 其中，是坐标转移矩阵来修正由目标靠近或分开移动而引起的错误；是量测集位置的均值，表示预测分量集的位置均值；步骤2-4，将转移矩阵利用公式表示出来： 可由与之间的扩展变化估算出来，转换方程如下： 其中，和是和的扩展矩阵，可通过缩放和旋转的方式变为步骤2-5，求解 Sk+1是一个缩放矩阵，和是和各自的特征根； θ＝α1,k,α1,k+1ψk+1表示角度为θ的旋转矩阵，这里，α1,k和α1,k+1是的特征向量，α1,k,α1,k+1是它们之间的角度；步骤3，根据量测信息，利用GIW-PHD跟踪算法框架对目标运动状态进行多假设滤波；步骤4，修剪合并：步骤5，若下一帧观测信息到达，转到步骤2进行迭代；否则，跟踪过程结束。

全文数据：

权利要求：

百度查询： 江苏理工学院 一种鲁棒的高斯逆威沙特PHD多扩展目标跟踪算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD