[go: up one dir, main page]

CN105320143A - Phd滤波器中的双步骤修剪 - Google Patents

Phd滤波器中的双步骤修剪 Download PDF

Info

Publication number
CN105320143A
CN105320143A CN201510564395.2A CN201510564395A CN105320143A CN 105320143 A CN105320143 A CN 105320143A CN 201510564395 A CN201510564395 A CN 201510564395A CN 105320143 A CN105320143 A CN 105320143A
Authority
CN
China
Prior art keywords
intensity
group
weight
time
intensities
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510564395.2A
Other languages
English (en)
Other versions
CN105320143B (zh
Inventor
V·L·巴格什瓦
M·R·埃尔格斯马
E·A·尤特诺伊尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honeywell International Inc
Original Assignee
Honeywell International Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Honeywell International Inc filed Critical Honeywell International Inc
Publication of CN105320143A publication Critical patent/CN105320143A/zh
Application granted granted Critical
Publication of CN105320143B publication Critical patent/CN105320143B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/454—Content or additional data filtering, e.g. blocking advertisements
    • H04N21/4545—Input to filtering algorithms, e.g. filtering a region of the image
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D29/00—Filters with filtering elements stationary during filtration, e.g. pressure or suction filters, not covered by groups B01D24/00 - B01D27/00; Filtering elements therefor
    • B01D29/62—Regenerating the filter material in the filter
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/16—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring distance of clearance between spaced objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/933—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/38—Registration of image sequences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/122—Improving the 3D impression of stereoscopic images by modifying image signal contents, e.g. by filtering or adding monoscopic depth cues
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/454—Content or additional data filtering, e.g. blocking advertisements
    • H04N21/4545—Input to filtering algorithms, e.g. filtering a region of the image
    • H04N21/45455—Input to filtering algorithms, e.g. filtering a region of the image applied to a region of the image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/454—Content or additional data filtering, e.g. blocking advertisements
    • H04N21/4545—Input to filtering algorithms, e.g. filtering a region of the image
    • H04N21/45457—Input to filtering algorithms, e.g. filtering a region of the image applied to a time segment

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Probability & Statistics with Applications (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

在一个示例中，提供一种利用概率假设密度滤波器跟踪多个物体的方法。该方法包括提供多个强度。所述多个强度基于他们相应的权重被修剪以去除较低权重的强度并且生成第一组强度。然后合并第一组强度中被识别为与相同物体对应的强度以生成第二组强度。然后再次修剪第二组强度以生成最终组强度，其中修剪第二组强度在最终组强度中包括多达阈值数量的、第二组强度中的具有最大权重的强度，以及从最终组强度中排除第二组强度中的任何剩余强度。

Description

PHD滤波器中的双步骤修剪
相关申请的交叉引用
本申请涉及如下共同待审的美国专利申请，其由此通过引用并入本文：
与本申请同一日期提交的美国专利申请序列号14/448808(代理人案号H0043916)，标题为“MERGINGINTENSITIESINAPHDFILTERBASEDONASENSORTRACKID”：
与本申请同一日期提交的美国专利申请序列号14/448813(代理人案号H0045529)，标题为“ADJUSTINGWEIGHTOFINTENSITYINAPHDFILTERBASEDONSENSORTRACKID”；以及
与本申请同一日期提交的美国专利申请序列号14/448803(代理人案号H0043754)，标题为“UPDATINGINTENSITIESINAPHDFILTERBASEDONASENSORTRACKID”。
背景技术
查看并躲避或感测并躲避(SAA)的目标是给无人机系统(UAS)提供如下能力：利用或者不利用激活的、基于应答器的防撞系统执行自隔离和对于所有空中交通的碰撞避免。SAA需要UAS检测并跟踪所有权飞机进行操作的附近区域中的入侵飞机以识别执行自隔离和碰撞避免所需的指导机动飞行。检测和跟踪功能是UASSAA能力的关键使能器，因为UAS针对未检测的、未跟踪的入侵飞机不能执行自隔离或碰撞避免机动飞行。检测功能是指使用监视传感器测量入侵飞机相对所有权UAS的位置。跟踪功能是指把监视传感器测量值融合在一起以便估计入侵飞机相对所有权UAS的轨道统计值(在此也称为轨迹)。监视传感器提供具有对应测量ID的测量值，测量ID可以在时间上是相关的或在时间上是随机的。
跟踪功能使用数据关联算法把测量值分配给当前轨迹来估计入侵飞机的轨迹，滤波器把传感器测量值与轨迹统计值的当前估计融合，并且轨道管理器监督传感器融合操作，启动轨迹，保持轨迹并删除轨迹。
一个跟踪系统使用随机有限集(RFS)针对UASSAA跟踪多个入侵飞机(IA)，其中RFS是多重假设检验(MHT)方法的实施方式。RFS将多IA跟踪问题设计成集值状态空间，其中集值状态向量和集值测量向量的统计值使用它们的一阶矩(在此也称为强度)来近似并被应用在贝叶斯滤波器框架中以使用高斯混合来估计IA轨迹统计值。产生的滤波器称为概率假设密度(PHD)滤波器。强度涉及集值状态空间的要素的权重、状态平均向量和状态协方差矩阵，在集值状态空间中该要素对应于轨迹的统计值。
发明内容
在一个实施例中，提供一种利用概率假设密度滤波器来跟踪多个物体的方法。该方法包括：提供多个强度，每个强度包括在第一时间(atafirsttime)的多个物体轨迹统计值的权重、状态平均向量和状态协方差矩阵。该方法还包括基于所述多个强度的相应权重第一次修剪所述多个强度以去除较低权重的强度并且生成第一组强度。合并第一组强度中被识别为与相同物体对应的强度以生成第二组强度。然后该方法包括第二次修剪第二组强度以生成最终组强度，其中，第二次修剪在最终组强度中包括多达阈值数量的、第二组强度中的具有最大权重的强度，以及从最终组强度中排除第二组强度中的任何剩余强度。
附图说明
应当理解，附图仅描述示例性实施例，并因此不被认为在范围上是限制性的，将通过使用附图以附加的明确性和细节描述示例性实施例，其中：
图1是示例环境的方框图，该环境中可以使用基于PHD滤波器的跟踪系统。
图2是在图1环境中使用的示例跟踪系统的方框图。
图3是用于利用图2的跟踪系统跟踪多个物体的示例方法的流程图。
依照惯例，各种描述的特征未按比例绘制，但被绘制为强调与示例性实施例相关的特定特征。
具体实施方式
在此所述的主题提供一种修剪产生于概率假设密度(PHD)滤波器中的强度的方法。该方法包括两个修剪步骤，其间具有合并步骤。第一修剪步骤根据多个强度的权重修剪所述多个强度，而不考虑修剪后剩余强度的数量。第一修剪步骤之后，剩余强度经过合并步骤以组合合适的强度。在合并步骤之后，如有必要，第二修剪步骤将强度总数量较少至低于阈值数量。
图1是示例环境的方框图，其中可以使用基于PHD滤波器的跟踪系统102。在此处示出的示例中，跟踪系统102安装在飞机104中，然而，跟踪系统102可安装在任何交通工具中或可以是独立的系统。跟踪系统102配置成在环境中检测和跟踪其他物体。在此示例中，跟踪系统102配置成检测空中物体，如入侵飞机(IA)106、108。在示例中，跟踪系统102是感测并躲避(SAA)系统的一部分，并且飞机104是无人机系统(UAS)
图2是示例跟踪系统102的方框图。跟踪系统102包括多个传感器202-206，传感器202-206配置成检测传感器202-206周围环境中的物体。所述多个传感器202-206可包括任何适当的传感器，例如雷达202、TCAS传感器203、ADS-B传感器204、光学照相机205以及LiDAR206。也可使用其他传感器。此外，可使用包括多个相同类型传感器的任何数量的传感器。传感器202-206与一个或多个处理设备208耦合。传感器202-206配置成获得测量值并发送测量值至所述一个或多个处理设备208。
一个或多个处理设备208配置成基于从传感器202-206接收的测量值跟踪多个物体(例如入侵飞机106、108)。为了跟踪物体，一个或多个处理设备208配置成执行指令210，该指令存储在与一个或多个处理设备208耦合的一个或多个数据存储设备212上。指令210，当由一个或多个处理设备208执行时，使一个或多个处理设备208基于来自传感器202-206的测量值实施跟踪物体的行动。一个或多个处理设备208可包括中央处理单元(CPU)、微控制器、微处理器(例如，数字信号处理器)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)或其他处理设备。在某些示例中，一个或多个数据存储设备212包括用于存储机器可读数据和指令的非易失性电子硬件设备。在示例中，一个或多个数据存储设备212在用于存储计算机可读指令或数据结构的任何合适的计算机可读介质上存储信息。计算机可读介质可被实施为可由一个或多个处理设备208访问的任何可用介质。合适的计算机可读介质可包括如磁或光学介质的存储介质。例如，存储介质可以包括传统硬盘、紧凑盘-只读存储器(CD-ROM)、固态驱动器(SSD)、其他闪速存储器、只读存储器(ROM)，以及电可擦除可编程ROM(EEPROM)。一个或多个处理设备208也可与存储器214耦合，存储器214配置成在由一个或多个处理设备208进行执行期间存储数据和指令。存储器214可包括易失性或非易失性介质，例如随机存取存储器(RAM)(包括但不限于同步动态随机存取存储器(SDRAM)、双数据速率(DDR)RAM、RAMBUS动态RAM(RDRAM)、以及静态RAM(SRAM)，等等)。在示例中，一个或多个处理设备208配置成输出关于物体轨迹的信息至输出设备，如显示设备。在一些示例中，一个或多个处理设备208提供轨迹信息给更大的SAA系统用于控制无人机系统的移动。
图3是示例方法300的流程图，该方法利用跟踪系统102跟踪多个物体。跟踪系统102基于从传感器202-206新获得的测量值(方框302)实施循环。循环实时运行以跟踪由传感器202-206测量的多个物体。如上所讨论的，该循环实施概率假设密度(PHD)滤波器以更新强度。PHD滤波器循环试图对每个被跟踪的物体保持单个强度。在针对飞机104的跟踪系统102的情况下，PHD滤波器循环试图对每个入侵飞机106、108和/或传感器202-206视野中的其他飞行物体保持单个强度。在给定循环期间，把一个或多个强度保持为与在该时间正被跟踪的物体数量相对应。通过循环的每次迭代更新每个强度，该强度被保持到下一时间步长，除非特定强度在修剪期间被删除(即不再跟踪)。
如上所述，方法300的每一循环更新对于下一时间步长未被删除的每一强度。正如在此所使用的，时间步长被称为Tk、紧随时间步长Tk之后的时间步长Tk+1、紧随时间步长Tk+1之后的时间步长Tk+2，等等。与时间步长相对应的时间长度可以按照任何合适方式确定，例如，基于由一个或多个传感器202-206提供的测量值的频率。对于方法300的给定循环，传感器202-206提供的一个或多个测量值与正在更新一个或多个强度所处的时间步长相对应。因此，在示例循环中，输入到循环中的一个或多个强度(方框304)与时间步长Tk相对应并且输入到循环中的一个或多个测量值(方框302)与时间步长Tk+1相对应。在循环的这个迭代期间，一个或多个强度被预测至时间步长Tk+1(方框308)并使用与时间步长Tk+1相对应的一个或多个测量值被更新至时间步长Tk+1。
在一示例中，一个或多个Tk强度(与时间步长Tk相对应的强度)是由循环的先前迭代提供的(方框304)。一个或多个Tk强度是由循环的先前迭代输出的一个或多个强度。在跟踪系统102向SAA系统提供物体轨迹的示例中，一个或多个Tk强度作为针对时间步长Tk的轨迹被输出到SAA系统。每一强度都在方法300的更新期间经过多个中间阶段。针对给定时间步长已经完成更新并被输出(例如输出到SAA系统)的强度在此被称为″轨迹强度″。相应地，输入到方法300的循环中的一个或多个Tk强度在此也被称为一个或多个Tk″轨迹″强度。
通过针对一个或多个Tk轨迹强度中的每一个首先产生针对时间步长Tk+1的预测强度(Tk+1预测强度)(方框306)，一个或多个Tk轨迹强度中的每一个在时间上向前传播。这些一个或多个Tk+1预测强度可以按照任何合适方式进行计算，包括按照本领域技术人员已知的方式。还可以针对时间步长Tk+1创建一个或多个新强度(方框308)。这些新强度可以按照任何合适方式来创建，包括按照本领域技术人员已知的方式。
一旦已经创建了预测强度和任何新强度，就可以基于预测/新强度以及来自传感器202-206的一个或多个测量值计算测量值-轨迹(measurement-to-track)关联(方框310)。计算测量值-轨迹关联导致通过利用测量值之一更新预测强度或新强度来产生测量值-轨迹强度，使得产生的测量值-轨迹强度是被调整为合并(新)测量值的预测/新强度。产生任何测量值-轨迹强度的过程可以按照任何合适方式来执行，包括按照本领域技术人员已知的方式。
然后通过修剪与合并进一步处理一个或多个预测强度、任何新强度和任何测量值-轨迹强度。修剪包括分析一个或多个预测强度，任何新强度和任何测量值-轨迹强度来确定是否删除任何强度。其中，修剪试图删除未跟踪实际物体的强度。合并包括组合被确定为与相同物体相对应的强度，其目的是使每个物体由单个强度表示。
如上所述，修剪包括两个步骤，两个步骤之间具有合并步骤。第一修剪步骤(方框312)包括基于阈值权重删除一个或多个强度。该修剪步骤试图去除未与实际物体严格对应的强度。然而，特别地，该第一修剪步骤不限制剩余强度的总数量。
在常规的修剪过程中，修剪是将强度数量减少至等于或低于最大限制的单个步骤。该最大限制可以基于跟踪系统102的硬件和/或软件限制，或者基于正将强度输出到的系统的设计限制(例如SAA系统的限制)。在任何情况下，常规修剪在单个步骤中将强度数量向下减少为等于或低于该最大限制。在将强度数量向下减少为等于或低于该最大限制之后，可以视需要分析和合并强度。因为合并发生在将强度减少为等于或低于最大限制之后，这些常规系统中所输出的实际强度数量由于两个或更多强度的合并而可以进一步从最大限制减少。
然而，在一示例中，在此所述的主题不限制强度总数量，直至任何合适的强度被合并之后。因此，可以保持并分析更多强度以被合并，同时仍将强度数量减少为等于或低于最大限制。
相应地，第一修剪步骤基于阈值权重删除一个或多个强度，但是不基于最大限制减少强度数量。在一示例中，阈值权重针对每一强度是相同的；也就是说，每一强度都与相同阈值权重进行比较。在另一示例中，对每一强度设定阈值权重；也就是说，每一个强度可以与不同的阈值权重进行比较。在这种示例中，可以按照任何合适方式选择针对给定强度的阈值权重。例如，可以基于哪一个或多个传感器202-206具有与所述给定强度相对应的测量值来选择给定强度的阈值权重。如果来自这种传感器的测量值被合并到强度中，则更精确并且更可能与较高权重相对应的传感器可产生针对该强度的更高阈值权重。具有合并到强度中的测量值的多个传感器还可以产生更高的阈值权重，因为来自不同传感器的、合并到强度中的更多测量值可以产生更高权重。
在任何情况下，第一修剪步骤包括：将多个强度(包括一个或多个预测强度、任何新强度和任何测量值-轨迹强度)中的每一个与阈值权重进行比较以确定删除还是保持相应强度。如果强度低于阈值权重，则强度被删除(不再保持)。如果强度高于阈值权重，则强度被保持并且针对合并被分析。第一修剪步骤去除较低的权重强度以由多个强度生成第一组强度。
然后分析第一组强度以进行合并(方框314)。如上所述，合并包括组合被确定为与相同物体相对应的任何强度。任何合适的过程可用于合并第一组强度。合并第一组强度生成第二组强度。
然后第二组强度通过第二修剪步骤(方框316)来将第二组中强度的数量减少为等于或低于最大限制。如果第二组中的强度数量等于或低于最大限制，那么在第二修剪步骤中没有强度被删除。然而，如果第二组强度中的强度数量大于最大限制，那么分析第二组强度来确定哪一个或多个强度将被删除以将强度数量减少为等于或低于最大限制。
在一个示例中，确定删除哪一个或多个强度包括在第二组强度中选择多达最大限制数量的、具有最大权重的强度以及将这些所选择的强度包括在最终组强度中。任何剩余强度被删除。例如，通过基于第二组强度的权重对第二组强度进行分类并且然后在分类列表中选择顶端最大限制数量的强度，可以选择多达最大限制数量的、具有最大权重的强度。在一示例中，在最大限制处权重相同的情况下，相等的所有强度可以被排除。在另一示例中，当相同权重发生在最大限制处时，具有引导朝向所有权飞机的速度的强度可以被保持为超过其他强度。未被包括(选择)的任何强度被删除。这导致具有等于或低于最大限制的强度数量的最终组强度。
然后最终组强度可以作为一个或多个Tk+1轨迹强度从循环中被输出。这些Tk+1轨迹强度可以被输出用于显示和/或进一步分析，例如通过SAA系统(方框318)。一个或多个Tk+1轨迹强度还作为输入被提供到循环的下一迭代中以用于基于针对时间步长Tk+2的一个或多个测量值进行更新。
具体实施例
示例1包括利用概率假设密度滤波器跟踪多个物体的方法，该方法包括：提供多个强度，每个强度包括在第一时间的多个物体轨迹统计值的权重、状态平均向量和状态协方差矩阵；基于所述多个强度的相应权重第一次修剪所述多个强度以去除较低权重的强度并且生成第一组强度；合并第一组强度中被识别为与相同物体对应的强度以生成第二组强度；以及第二次修剪第二组强度以生成最终组强度，其中，第二次修剪在最终组强度中包括多达阈值数量的、第二组强度中的具有最大权重的强度，以及从最终组强度中排除第二组强度中的任何剩余强度。
示例2包括示例1的方法，其中，第一次修剪在第一组强度中包括所述多个强度中的具有高于阈值权重的权重的任何强度，以及从第一组强度中排除所述多个强度中的具有低于阈值权重的权重的任何强度。
示例3包括示例1-2中任一项的方法，其中，第一次修剪在第一组强度中包括所述多个强度中的具有高于针对所述多个强度中的强度的相应阈值权重的权重的任何强度，以及从第一组强度中排除具有低于针对所述强度的所述相应阈值权重的权重的任何强度。
示例4包括示例3的方法，包括：基于哪一个或多个传感器具有与对应于相应阈值权重的强度相对应的测量值来选择每个相应阈值权重。
示例5包括示例1-4中任一项的方法，其中，所述多个强度包括一个或多个预测强度、测量值-轨迹强度和新强度。
示例6包括示例1-5中任一项的方法，其中，第一次修剪删除所述多个强度中的未被包括在第一组强度中的任何强度。
示例7包括示例1-6中任一项的方法，其中，第二次修剪删除第二组强度中的未被包括在最终组强度中的任何强度。
示例8包括一种跟踪系统，包括：一个或多个处理设备；和一个或多个数据存储设备，该数据存储设备包括指令，在通过一个或多个处理设备执行时，该指令使所述一个或多个处理设备利用概率假设密度滤波器跟踪多个物体，其中该指令使一个或多个处理设备：产生多个强度，每个强度包括在第一时间的多个物体轨迹统计值的权重、状态平均向量和状态协方差矩阵；基于所述多个强度的相应权重第一次修剪所述多个强度以去除较低权重的强度并且生成第一组强度；合并第一组强度中被识别为与相同物体对应的强度以生成第二组强度；以及第二次修剪第二组强度以生成最终组强度，其中，第二次修剪在最终组强度中包括多达阈值数量的、第二组强度中的具有最大权重的强度，以及从最终组强度中排除第二组强度中的任何剩余强度。
示例9包括示例8的跟踪系统，其中，第一次修剪在第一组强度中包括所述多个强度中的具有高于阈值权重的权重的任何强度，以及从第一组强度中排除所述多个强度中的具有低于阈值权重的权重的任何强度。
示例10包括示例8-9中任一项的跟踪系统，其中，第一次修剪在第一组强度中包括所述多个强度中的具有高于针对所述多个强度中的强度的相应阈值权重的权重的任何强度，以及从第一组强度中排除具有低于针对所述强度的所述相应阈值权重的权重的任何强度。
示例11包括示例10的跟踪系统，其中指令使一个或多个处理设备：基于哪一个或多个传感器具有与对应于相应阈值权重的强度相对应的测量值来选择每个相应阈值权重。
示例12包括示例8-11中任一项的跟踪系统，其中，所述多个强度包括预测强度、测量值-轨迹强度和新强度中的一个或多个。
示例13包括示例8-12中任一项的跟踪系统，其中，第一次修剪删除所述多个强度中的未被包括在第一组强度中的任何强度。
示例14包括示例8-13中任一项的跟踪系统，其中，第二次修剪删除第二组强度中的未被包括在最终组强度中的任何强度。
示例15包括一种计算机可读介质，其包括指令，该指令在通过一个或多个处理设备执行时使所述一个或多个处理设备：产生多个强度，每个强度包括在第一时间的多个物体轨迹统计值的权重、状态平均向量和状态协方差矩阵；基于所述多个强度的相应权重第一次修剪所述多个强度以去除较低权重的强度并且生成第一组强度；合并第一组强度中被识别为与相同物体对应的强度以生成第二组强度；以及第二次修剪第二组强度以生成最终组强度，其中，第二次修剪在最终组强度中包括多达阈值数量的、第二组强度中的具有最大权重的强度，以及从最终组强度中排除第二组强度中的任何剩余强度。
示例16包括示例15的计算机可读介质，其中，第一次修剪在第一组强度中包括所述多个强度中的具有高于阈值权重的权重的任何强度，以及从第一组强度中排除所述多个强度中的具有低于阈值权重的权重的任何强度。
示例17包括示例15-16中任一项的计算机可读介质，其中，第一次修剪在第一组强度中包括所述多个强度中的具有高于针对所述多个强度中的强度的相应阈值权重的权重的任何强度，以及从第一组强度中排除具有低于针对所述强度的所述相应阈值权重的权重的任何强度。
示例18包括示例17的计算机可读介质，其中指令使一个或多个处理设备：基于哪一个或多个传感器具有与对应于所述相应阈值权重的强度相对应的测量值来选择每个相应阈值权重。
示例19包括示例15-18中任一项的计算机可读介质，其中，所述多个强度包括预测强度、测量值-轨迹强度和新强度中的一个或多个。
示例20包括示例15-19中任一项的计算机可读介质，其中，第一次修剪删除所述多个强度中的未被包括在第一组强度中的任何强度，其中第二次修剪删除第二组强度中的未被包括在最终组强度中的任何强度。

Claims (3)

1.一种利用概率假设密度滤波器跟踪多个物体的方法(300)，该方法包括：
提供多个强度，每个强度包括在第一时间的多个物体轨迹统计值的权重、状态平均向量和状态协方差矩阵；
基于所述多个强度的相应权重第一次修剪所述多个强度(312)以去除较低权重的强度并且生成第一组强度；
合并第一组强度中被识别为与相同物体对应的强度(314)以生成第二组强度；以及
第二次修剪第二组强度(316)以生成最终组强度，其中，第二次修剪(316)在最终组强度中包括多达阈值数量的、第二组强度中的具有最大权重的强度，以及从最终组强度中排除第二组强度中的任何剩余强度。
2.如权利要求1所述的方法，其中，第一次修剪(312)在第一组强度中包括所述多个强度中的具有高于针对所述多个强度中的强度的相应阈值权重的权重的任何强度，以及从第一组强度中排除具有低于针对所述强度的所述相应阈值权重的权重的任何强度，
其中所述方法包括基于哪一个或多个传感器具有与对应于所述相应阈值权重的强度相对应的测量值来选择每个相应阈值权重。
3.如权利要求1或2中任一项所述的方法，其中第一次修剪(312)删除所述多个强度中的未被包括在第一组强度中的任何强度，其中第二次修剪(316)删除第二组强度中的未被包括在最终组强度中的任何强度。
CN201510564395.2A 2014-07-31 2015-07-30 一种利用概率假设密度滤波器跟踪多个物体的方法 Active CN105320143B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/448,819 US10605607B2 (en) 2014-07-31 2014-07-31 Two step pruning in a PHD filter
US14/448819 2014-07-31

Publications (2)

Publication Number Publication Date
CN105320143A true CN105320143A (zh) 2016-02-10
CN105320143B CN105320143B (zh) 2020-09-11

Family

ID=53682572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510564395.2A Active CN105320143B (zh) 2014-07-31 2015-07-30 一种利用概率假设密度滤波器跟踪多个物体的方法

Country Status (4)

Country Link
US (1) US10605607B2 (zh)
EP (1) EP2980603B1 (zh)
CN (1) CN105320143B (zh)
IL (1) IL240075B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105699964A (zh) * 2016-02-29 2016-06-22 无锡南理工科技发展有限公司 一种基于汽车防撞雷达的道路多目标跟踪方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11175142B2 (en) 2014-07-31 2021-11-16 Honeywell International Inc. Updating intensities in a PHD filter based on a sensor track ID
WO2020110040A1 (en) * 2018-11-27 2020-06-04 Leonardo S.P.A. Suborbital space traffic control system with radar system and ads-b receiver
CN109298725B (zh) * 2018-11-29 2021-06-15 重庆大学 一种基于phd滤波的群体机器人分布式多目标跟踪方法
US12265150B2 (en) * 2022-01-25 2025-04-01 Intel Corporation Apparatus, system and method of radar tracking

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5767793A (en) * 1995-04-21 1998-06-16 Trw Inc. Compact vehicle based rear and side obstacle detection system including multiple antennae
US20080111730A1 (en) * 2006-11-09 2008-05-15 Zhen Ding Track quality based multi-target tracker
CN101894381A (zh) * 2010-08-05 2010-11-24 上海交通大学 动态视频序列中多目标跟踪系统
CN102064783A (zh) * 2010-11-02 2011-05-18 浙江大学 一种概率假设密度粒子滤波器的设计方法及滤波器
CN103310115A (zh) * 2013-06-27 2013-09-18 西安电子科技大学 一种多目标跟踪的杂波估计方法
CN103390262A (zh) * 2012-05-11 2013-11-13 华为技术有限公司 数字滤波器权重系数的获取方法和装置
CN103679753A (zh) * 2013-12-16 2014-03-26 深圳大学 一种概率假设密度滤波器的轨迹标识方法及轨迹标识系统
CN103902819A (zh) * 2014-03-21 2014-07-02 哈尔滨工程大学 基于变分滤波的粒子优化概率假设密度多目标跟踪方法

Family Cites Families (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4816833A (en) 1987-06-16 1989-03-28 Westinghouse Electric Corp. Pulse doppler surveillance post signal processing and scan to scan correlation
US5390133A (en) 1992-09-30 1995-02-14 Martin Marietta Corporation Image processor for target detection and tracking
US5414643A (en) 1993-06-14 1995-05-09 Hughes Aircraft Company Method and apparatus for continuous time representation of multiple hypothesis tracking data
US5798942A (en) 1994-04-05 1998-08-25 Trw Inc. N-best feasible hypotheses multitarget tracking system for space-based early warning systems
US6295367B1 (en) * 1997-06-19 2001-09-25 Emtera Corporation System and method for tracking movement of objects in a scene using correspondence graphs
US7782256B2 (en) * 1999-03-05 2010-08-24 Era Systems Corporation Enhanced passive coherent location techniques to track and identify UAVs, UCAVs, MAVs, and other objects
US7132982B2 (en) 1999-03-05 2006-11-07 Rannock Corporation Method and apparatus for accurate aircraft and vehicle tracking
US6959869B2 (en) 1999-06-07 2005-11-01 Metrologic Instruments, Inc. Automatic vehicle identification (AVI) system employing planar laser illumination and imaging (PLIIM) based subsystems
AU2002334708A1 (en) 2001-10-01 2003-04-14 Kline And Walker, Llc Pfn/trac system faa upgrades for accountable remote and robotics control
US6799114B2 (en) 2001-11-20 2004-09-28 Garmin At, Inc. Systems and methods for correlation in an air traffic control system of interrogation-based target positional data and GPS-based intruder positional data
NL1020287C2 (nl) 2002-04-02 2003-10-03 Thales Nederland Bv Werkwijze voor meerdoelendetectie, met name voor toepassing in rondzoekradars met meerbundelvorming in elevatie.
DE10231712A1 (de) 2002-07-13 2004-01-29 Stn Atlas Elektronik Gmbh Verfahren zur Beobachtung einer Vielzahl von Objekten
US7072792B2 (en) 2002-12-24 2006-07-04 Daniel Freifeld Racecourse lap counter and racecourse for radio controlled vehicles
US7218270B1 (en) 2003-02-10 2007-05-15 The United States Of America As Represented By The Secretary Of The Air Force ATR trajectory tracking system (A-Track)
US6806828B1 (en) 2003-09-22 2004-10-19 Itt Manufacturing Enterprises, Inc. Passive range and angle measurement system and method
EP1533628B1 (en) 2003-11-19 2012-10-24 Saab Ab A method for correlating and numbering target tracks from multiple sources
US7680300B2 (en) 2004-06-01 2010-03-16 Energid Technologies Visual object recognition and tracking
EP1879149B1 (en) 2006-07-10 2016-03-16 Fondazione Bruno Kessler method and apparatus for tracking a number of objects or object parts in image sequences
US20080255911A1 (en) 2007-04-13 2008-10-16 Raytheon Company Method and system for adaptive closed loop resource management
US7864096B2 (en) 2008-01-23 2011-01-04 Aviation Communication & Surveillance Systems Llc Systems and methods for multi-sensor collision avoidance
US8330810B2 (en) 2008-02-27 2012-12-11 Honeywell International Inc. Systems and method for dynamic stabilization of target data detected from a moving platform
US8400619B1 (en) 2008-08-22 2013-03-19 Intelligent Automation, Inc. Systems and methods for automatic target tracking and beam steering
US8264379B2 (en) 2009-03-10 2012-09-11 Honeywell International Inc. Methods and systems for correlating data sources for vehicle displays
FR2951553A1 (fr) 2009-10-20 2011-04-22 Thales Sa Procede de pistage associant un radar passif a d'autres senseurs
WO2011073683A1 (en) 2009-12-17 2011-06-23 Bae Systems Plc Producing data describing states of a plurality of targets
US9240053B2 (en) 2010-03-15 2016-01-19 Bae Systems Plc Target tracking
EP2579191A4 (en) 2010-05-31 2014-04-09 Nec Corp RIVER LINE RECOGNITION SYSTEM, RIVER LINE RECOGNITION PROCEDURE AND RUNNER RANGE DETECTION PROGRAM
US8378881B2 (en) 2010-10-18 2013-02-19 Raytheon Company Systems and methods for collision avoidance in unmanned aerial vehicles
US8924137B2 (en) 2011-09-30 2014-12-30 Lockheed Martin Corporation Method and apparatus for dynamic air traffic trajectory synchronization
JP5306389B2 (ja) 2011-02-25 2013-10-02 株式会社東芝 目標追跡装置
US8799189B2 (en) 2011-03-11 2014-08-05 Raytheon Company Multiple hypothesis tracking
US8515881B2 (en) 2011-03-11 2013-08-20 Raytheon Company Multiple hypothesis tracking
US20150070347A1 (en) 2011-08-18 2015-03-12 Layar B.V. Computer-vision based augmented reality system
US20130229298A1 (en) 2012-03-02 2013-09-05 The Mitre Corporation Threaded Track Method, System, and Computer Program Product
US8970429B2 (en) 2012-06-14 2015-03-03 Raytheon Company Systems and methods for tracking targets by a through-the-wall radar using multiple hypothesis tracking
US9495778B2 (en) 2012-08-27 2016-11-15 Kabushiki Kaisha Toshiba Information presenting apparatus and method for confirmed and tentative tracks
CN103345577B (zh) 2013-06-27 2016-05-18 江南大学 变分贝叶斯概率假设密度多目标跟踪方法
JP6406251B2 (ja) * 2013-07-17 2018-10-17 日本電気株式会社 物体追跡装置、物体追跡方法および物体追跡プログラム
US9269012B2 (en) * 2013-08-22 2016-02-23 Amazon Technologies, Inc. Multi-tracker object tracking
CN103729637B (zh) 2013-12-31 2017-01-11 西安工程大学 基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法
FR3017481B1 (fr) * 2014-02-07 2016-02-26 Sagem Defense Securite Procede de detection et de pistage de cibles
JP6364922B2 (ja) 2014-04-23 2018-08-01 富士通株式会社 統合先経路抽出方法、経路グラフ作成方法、装置、及びプログラム
US11175142B2 (en) 2014-07-31 2021-11-16 Honeywell International Inc. Updating intensities in a PHD filter based on a sensor track ID
US10309784B2 (en) 2014-07-31 2019-06-04 Honeywell International Inc. Merging intensities in a PHD filter based on a sensor track ID
US9851437B2 (en) 2014-07-31 2017-12-26 Honeywell International Inc. Adjusting weight of intensity in a PHD filter based on sensor track ID

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5767793A (en) * 1995-04-21 1998-06-16 Trw Inc. Compact vehicle based rear and side obstacle detection system including multiple antennae
US20080111730A1 (en) * 2006-11-09 2008-05-15 Zhen Ding Track quality based multi-target tracker
CN101894381A (zh) * 2010-08-05 2010-11-24 上海交通大学 动态视频序列中多目标跟踪系统
CN102064783A (zh) * 2010-11-02 2011-05-18 浙江大学 一种概率假设密度粒子滤波器的设计方法及滤波器
CN103390262A (zh) * 2012-05-11 2013-11-13 华为技术有限公司 数字滤波器权重系数的获取方法和装置
CN103310115A (zh) * 2013-06-27 2013-09-18 西安电子科技大学 一种多目标跟踪的杂波估计方法
CN103679753A (zh) * 2013-12-16 2014-03-26 深圳大学 一种概率假设密度滤波器的轨迹标识方法及轨迹标识系统
CN103902819A (zh) * 2014-03-21 2014-07-02 哈尔滨工程大学 基于变分滤波的粒子优化概率假设密度多目标跟踪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DANIEL CLARK 等: "Convergence Analysis of the Gaussian Mixture PHD Filter", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 *
MICHELE PACE 等: "Comparison of implementations of Gaussian mixture PHD filters", 《INFORMATION FUSION ‘FUSION’2010 13TH CONFERENCE》 *
周波: "基于随机有限集的多目标跟踪技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105699964A (zh) * 2016-02-29 2016-06-22 无锡南理工科技发展有限公司 一种基于汽车防撞雷达的道路多目标跟踪方法

Also Published As

Publication number Publication date
IL240075B (en) 2021-06-30
EP2980603A1 (en) 2016-02-03
EP2980603B1 (en) 2017-09-13
US20160033282A1 (en) 2016-02-04
CN105320143B (zh) 2020-09-11
US10605607B2 (en) 2020-03-31

Similar Documents

Publication Publication Date Title
EP3859389B1 (en) Merging intensities in a phd filter based on a sensor track id
CN105320143A (zh) Phd滤波器中的双步骤修剪
CN108292139B (zh) 由机器人同时进行地图绘制和规划
CN112560886A (zh) 训练类条件生成对抗序列网络
CN107462882B (zh) 一种适用于闪烁噪声的多机动目标跟踪方法及系统
Mahmud et al. A poisson process model for activity forecasting
DE102022206060A1 (de) Verteidigung von multimodalen fusionsmodellen gegen angreifer mit nur einer quelle
EP3848836A1 (en) Processing a model trained based on a loss function
US20190290493A1 (en) Intelligent blind guide method and apparatus
JP2023010698A (ja) 局所ニューラル変換を用いた異常領域検出
US11175142B2 (en) Updating intensities in a PHD filter based on a sensor track ID
Rezatofighi et al. A multiple model probability hypothesis density tracker for time-lapse cell microscopy sequences
CN112488307A (zh) 使用占有测度对强化学习动作进行自动解释
EP2980602B1 (en) Adjusting weight of intensity in a phd filter based on sensor track id
EP3798913A1 (en) Device and method to improve the robustness against adversarial examples
US12172670B2 (en) Performance of neural networks under distribution shift
CN117576148A (zh) 目标跟踪方法、装置、电子设备及存储介质
Li et al. Vehicle lane-changing scenario generation using time-series generative adversarial networks with an adaptative parameter optimization strategy
US20250104193A1 (en) Multivariate initialization for convolutional layers
KR102502648B1 (ko) Rnn 인코더-디코더를 이용하여 시계열에서의 이상상황을 탐지하는 방법 및 장치
EP4524778A1 (en) Computer program, apparatus, vehicle, and method for a bayes filter or smoother
US20250086272A1 (en) Systems and methods for sequential anomaly detection in ivns using a graph-based state space approach
Chen et al. NsBM-GAT: A Non-stationary Block Maximum and Graph Attention Framework for General Traffic Crash Risk Prediction
Blanding et al. Multi-frame assignment PMHT that accounts for missed detections
Fernandes et al. Anchovy recruitment mixed long series prediction using supervised classification

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant