[发明专利]一种多目标车辆跟踪方法及相关装置

权利要求书

1.一种多目标车辆跟踪方法，其特征在于，包括：

从传感器的量测数据中筛选有效量测数据，得到量测样本；

通过HS-FCM算法计算所述量测样本与聚类中心的隶属度，并根据所述隶属度将所述量测样本与目标车辆的运动轨迹关联；

根据所述量测样本以及多目标观测模型，通过概率加权融合的方式进行滚动估计得到与所述量测样本关联的所述目标车辆的运动状态；

通过概率加权融合的方式进行滚动估计时量测更新过程中状态估计协方差为：

其中，P_i(k)表示状态估计协方差，P_i(k|k-1)表示对k时刻目标车辆i的状态预测的协方差，G_i(k)表示卡尔曼增益，S_i(k)表示量测协方差，δ_i,j(k)表示量测新息，δ_i(k)表示组合新息，μ_i,j(k)表示k时刻量测样本j源于目标车辆i的概率，μ_i,0(k)表示没有量测样本与目标车辆i关联。

2.根据权利要求1所述的多目标车辆跟踪方法，其特征在于，从传感器的量测数据中筛选有效量测数据包括：

计算所述量测数据与相应的预测值的马氏距离；

判断所述马氏距离是否小于或等于预设门限；

若所述马氏距离小于或等于所述预设门限，则所述量测数据为有效量测数据。

3.根据权利要求1所述的多目标车辆跟踪方法，其特征在于，所述通过HS-FCM算法计算所述量测样本与聚类中心的隶属度包括：

当行车工况为密集工况时，根据包含所述量测样本与聚类中心的马氏距离的聚类损失函数与隶属度迭代式计算所述量测样本与聚类中心的隶属度。

4.根据权利要求1所述的多目标车辆跟踪方法，其特征在于，所述传感器为视觉传感器。

5.根据权利要求1所述的多目标车辆跟踪方法，其特征在于，还包括：

调整在滚动估计所述目标车辆的运动状态过程中使用的卡尔曼增益，以抑制量测更新。

6.根据权利要求1所述的多目标车辆跟踪方法，其特征在于，还包括：

通过雷达传感器的量测数据或V2V模块获取的数据更新滚动估计得到的各阶段所述目标车辆的纵向速度，以及通过所述雷达传感器的量测数据校正所述目标车辆的纵向距离。

7.一种多目标车辆跟踪装置，其特征在于，包括：

筛选模块，用于从传感器的量测数据中筛选有效量测数据，得到量测样本；

计算模块，用于通过HS-FCM算法计算所述量测样本与聚类中心的隶属度，并根据所述隶属度将所述量测样本与目标车辆的运动轨迹关联；

估计模块，用于根据所述量测样本以及多目标观测模型，通过概率加权融合的方式进行滚动估计得到与所述量测样本关联的所述目标车辆的运动状态；

通过概率加权融合的方式进行滚动估计时量测更新过程中状态估计协方差为：

其中，P_i(k)表示状态估计协方差，P_i(k|k-1)表示对k时刻目标车辆i的状态预测的协方差，G_i(k)表示卡尔曼增益，S_i(k)表示量测协方差，δ_i,j(k)表示量测新息，δ_i(k)表示组合新息，μ_i,j(k)表示k时刻量测样本j源于目标车辆i的概率，μ_i,0(k)表示没有量测样本与目标车辆i关联。

8.一种多目标车辆跟踪设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述的多目标车辆跟踪方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的多目标车辆跟踪方法的步骤。