买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安交通大学

摘要：本发明公开了一种基于随机矩阵法的多近邻扩展目标跟踪算法，包括：接收初始时刻的量测数据，并初始化航迹；利用随机矩阵法对航迹假设进行状态和扩展形态一步预测；利用波门聚类法和层次聚类法分别进行量测聚类；将聚类得到的量测群与航迹假设相关联，生成数据关联假设；采用全局最近邻法选出最优假设；利用随机矩阵法对航迹假设进行状态和扩展形态更新；对航迹进行管理以生成、筛选、删除航迹，并输出航迹。本发明能够应用于智能交通、自动驾驶等领域，对存在多个扩展目标、目标间距离很近、目标运动模式多样、目标大小不同的环境下的多近邻扩展目标进行准确跟踪，解决目标距离很近造成的量测聚类易混淆，多目标的状态、扩展形态、目标数量联合估计等问题。

主权项：1.一种基于随机矩阵法的多近邻扩展目标跟踪算法，其特征在于，包括以下步骤：S101：接收初始时刻的量测数据，初始化航迹；S102：利用随机矩阵法对上一个时刻的航迹假设进行状态和扩展形态的一步预测；S103：接收当前时刻的量测数据，采用波门聚类法和层次聚类法分别进行量测聚类；S104：将当前时刻的量测群与上一个时刻的航迹假设相关联，生成若干数据关联假设；S105：采用全局最近邻法选出最优航迹假设；S106：利用随机矩阵法对当前时刻的航迹假设进行状态和形态更新；S107：航迹管理与输出；所述步骤S102包括如下步骤：21利用随机矩阵法对上一个时刻的航迹假设进行状态一步预测；22利用随机矩阵法对上一个时刻的航迹假设进行扩展形态一步预测；所述步骤S103包括如下步骤：31将k时刻的极坐标系下的传感器量测转换到直角坐标系下；32采用波门聚类法处理k时刻的传感器量测，得到若干个量测群；33采用层次聚类法处理上一步中未被聚类的，即处于任意波门之外的k时刻的传感器量测，再得到若干个量测群；步骤32中，波门聚类法步骤如下：基于k-1时刻的目标状态与形态，得到k时刻目标的预测状态与预测形态；根据k时刻目标的预测状态与预测形态生成波门；根据波门划分k时刻的量测数据，落在同一个波门内的量测即聚为同一类；33采用层次聚类法处理上一步中未被聚类的，即处于任意波门之外的k时刻的传感器量测，再得到若干个量测群；所述步骤S104包括如下步骤：41采用椭形跟踪门确定量测群是否与航迹关联上；42若量测群进入某个模型的波门，则认为量测群与航迹关联上了，并生成一个相应的数据关联假设；其中，有可能存在某一个航迹不与任何量测群关联，即该航迹在当前时刻没有对应的量测；也可能存在某一个量测群不与任何航迹关联，即该量测群代表一个新生目标，则按照步骤S101进行初始化得到新航迹；所述步骤S105包括如下步骤：51计算量测群中所有量测的均值和量测的个数；52对于一个假设，定义量测与目标预测位置间的距离为新息向量的加权范数；53数据关联：选择全局最优假设，使得全局统计距离最小，同时满足条件：一条航迹最多与一个量测群关联，一个量测群最多与一条航迹关联；通过线性规划来完成选择；所述步骤S106包括如下步骤：61利用随机矩阵法对当前时刻的航迹假设进行状态更新；62利用随机矩阵法对当前时刻的航迹假设进行扩展形态更新。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于随机矩阵法的多近邻扩展目标跟踪算法