基于JPDA-InEKF的实时目标跟踪方法OA
为解决高动态目标遮挡漏检、虚警干扰、关联歧义和高速旋转引起的轨迹不连续、ID跳变及状态估计不稳定问题,提出一种融合联合概率数据关联(joint probabilistic data association,JPDA)与统一滤波框架的实时目标跟踪方法。该方法采用JPDA软关联与Viterbi时序平滑算法,并基于微分空间接口统一扩展卡尔曼滤波(extended Kalman filter,EKF)、容积卡尔曼滤波(cubature Kalman filter,CKF)和不变扩展卡尔曼滤波(invariant extended Kalman filter,InEKF)等滤波器,实现滤波算法、协方差表示方式和状态空间几何结构的解耦。结果表明:基于JPDA-InEKF的实时目标跟踪方法可有效降低高速旋转和强机动场景下的跟踪误差,ID正确率达到98.5%,跟踪与预测流程延迟低于0.3 ms。研究结果可为工业机器人视觉跟踪、反无人机侦察和智能交通等智能装备感知系统提供参考。
刘佳;孙湘山;刘续;马英宝;杨宇龙;奚乐乐
河北科技大学大学生创新创业中心(工程训练中心),河北石家庄050018河北科技大学材料科学与工程学院,河北石家庄050018河北科技大学澳联大信息工程学院,河北石家庄050018河北科技大学信息科学与工程学院,河北石家庄050018河北科技大学大学生创新创业中心(工程训练中心),河北石家庄050018河北科技大学大学生创新创业中心(工程训练中心),河北石家庄050018
数理科学
模式识别状态估计联合概率数据关联卡尔曼滤波多目标跟踪
《河北工业科技》 2026 (5)
P.444-455,12
国家自然科学基金(62503149)河北省自然科学基金(F2024208002)河北省高等学校科学技术研究项目(QN2024205)。
评论