锐单电子商城 , 一站式电子元器件采购平台!
  • 电话:400-990-0325

多传感器数据融合四-轨迹及融合

时间:2022-09-04 16:30:00 m11传感器7ty传感器tt2181传感器

4.1 简述

基于模糊集理论的加权协方差融合法、信息矩阵融合法、伪测量融合法和模糊航迹融合算法应用广泛。

4.2 轨迹管理

4.2.1 逻辑法

1.轨迹头-每条轨迹的第一个点:新检测到的点,未匹配上的孤立的点,噪声点迹。需要建立一个较大的环形关联门

2.轨迹开始:关联上的两个点可以推出第三个点,形成一个轨迹。

3.确认轨迹:

  • 扫描连续三个周期。
  • 当距离较远时,允许不扫描第三个周期,并推测三个周期。
距离 点迹1 点迹2 点迹3 点迹4 点迹5 点迹6
轨迹头 正常跟踪
轨迹头 - 正常跟踪
轨迹头 - - 正常跟踪

4.轨迹维护/维护

  • 在目标移动过程中,5个周期中有3个周期有一些痕迹,因此被判定为真实轨迹并继续跟踪。在这种情况下,有16种测试。

5.撤销轨迹

4.2.2 记分法

1.轨迹评分规则
Q H = f ( S 1 , S 2 , Q D ) Q H ? 轨 迹 质 量 S 1 , S 2 ? 轨 迹 的 确 认 和 撤 销 门 限 Q D ? 点 迹 质 量 Q_H=f(S1,S2,Q_D) \\ Q_H - 轨迹质量 \\ S_1,S_2 - 确认和撤销轨迹的门限 \\ Q_D - 点迹质量 QH=f(S1,S2,QD)QH?S1S2QD

波门种类 点迹质量Q_d的加权系数
轨迹头 1
中波门 1
小波门 2
大波们 0
目标丢失 -2

2.轨迹的确认与撤销

  • Q_H≥S_1时,该轨迹为真实目标的轨迹
  • Q_H≤S_2时,无论确认轨迹还是非确认轨迹都为假轨迹
  • S_2≤Q_H≤S_1时,若n

n:相关次数,N,允许费确认轨迹逗留的相关次数。

4.3 轨迹初始化的算法

初始轨迹只用来自同一个传感器的相邻观测数据。

4.3.1 两点外推法

适用于目标运动为一阶的,比如匀速直线运动。
x 3 = x 2 + V x ( 2 ) ∗ T y 3 = y 2 + V y ( 2 ) ∗ T V x ( 2 ) = ( x 2 − x 1 ) / T V y ( 2 ) = ( y 2 − y 1 ) / T 如 果 T 稳 定 , 则 : x 3 = 2 ∗ x 2 − x 1 y 3 = 2 ∗ y 2 − y 1 x_3=x_2+V_x(2)*T \\ y_3=y_2+V_y(2)*T \\ V_x(2)=(x2-x1)/T \\ V_y(2)=(y2-y1)/T \\ 如果T稳定,则: \\ x_3=2*x_2-x_1 \\ y_3=2*y_2-y_1 x3=x2+Vx(2)Ty3=y2+Vy(2)TVx(2)=(x2x1)/TVy(2)=(y2y1)/TTx3=2x2x1y3=2y2y1

4.3.2 三点外推法

适用于目标运动方程为二阶的,匀加速运动。
x 4 = x 3 + V x ( 3 ) ∗ T + 1 2 a x T 2 y 4 = y 3 + V y ( 3 ) ∗ T + 1 2 a y T 2 V x ( 3 ) = 3 x 3 − 4 x 2 + x 1 2 T V y ( 3 ) = 3 y 3 − 4 y 2 + y 1 2 T a x = x 3 − 2 x 2 + x 1 T 2 a y = y 3 − 2 y 2 + y 1 T 2 如 果 T 为 稳 定 的 : x 4 = 3 x 3 − 2 x 2 + x 1 y 4 = 3 y 3 − 3 y 3 + y 1 x_4=x_3+V_x(3)*T+\frac{1}{2}a_xT^2 \\ y_4=y_3+V_y(3)*T+\frac{1}{2}a_yT^2 \\ V_x(3)=\frac{3x_3-4x_2+x_1}{2T} \\ V_y(3)=\frac{3y_3-4y_2+y_1}{2T} \\ a_x=\frac {x_3-2x_2+x_1}{T^2} \\ a_y=\frac {y_3-2y_2+y_1}{T^2} \\ 如果T为稳定的:\\ x_4=3x_3-2x_2+x_1 \\ y_4=3y_3-3y_3+y_1 x4=x3+Vx(3)T+21axT2y4=y3+Vy(3)T+21ayT2Vx(3)=2T3x34x2+x1Vy(3)=2T3y34y2+y1ax=T2x32x2+x1ay=T2y32y2+y1Tx4=3x32x2+x1y4=3y33y3+y1
其他初始化方法有:佛变换法,滑窗法,线性规划法

4.4 轨迹关联

局部轨迹与局部轨迹关联,局部轨迹与全局轨迹关联。

4.4.1 统计关联方法

讨论两个来自同一目标的局部轨迹在后融合中关联:

mahalanobis距离的平方
d i j 2 = ∣ ∣ x ^ i − x ^ j ∣ ∣ 2 ( P i + P j ) − 1 x ^ i , x ^ j , 轨 迹 i , j 的 估 计 状 态 P i , P j , 轨 迹 i , j 的 协 方 差 P i j = P j i T , 两 个 估 计 状 态 的 互 协 方 差 d_{ij}^2=||\hat x_i-\hat x_j||^2(P_i+P_j)^{-1} \\ \hat x_i,\hat x_j,轨迹i,j的估计状态\\ P_i,P_j,轨迹i,j的协方差 \\ P_{ij}=P_{ji}^T,两个估计状态的互协方差 \\ dij2=x^i

相关文章