[发明专利]一种多目标车辆跟踪方法及相关装置

说明书

本申请公开了一种多目标车辆跟踪方法，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。该方法能够在有效跟踪车辆的同时，降低计算的复杂度，实现快速跟踪，并且一定程度上避免航迹合并现象。本申请还公开了一种多目标车辆跟踪装置、设备及计算机可读存储介质，均具有上述技术效果。

技术领域

本申请涉及智能车辆技术领域，特别涉及一种多目标车辆跟踪方法；还涉及一种多目标车辆跟踪装置、设备以及计算机可读存储介质。

背景技术

实现精准可靠的目标轨迹跟踪是多目标跟踪的主要任务，而强杂波环境下的数据关联、多源数据融合策略等问题一直是多目标跟踪研究的热难点。目标的表达通常是采用形状或外观来描述的。对于点表达的目标跟踪问题，点关联的方法主要包括确定性方法与统计性方法。确定性方法通常是在一系列约束条件下寻求关联成本最小化的解，如贪婪搜索法。统计性方法利用位置、速度、加速度等目标的属性来建立状态空间模型，并在一定程度上考虑了模型不确定性以及观测噪声，如JPDA(joint probability data association，联合概率数据关联)等。

车辆跟随行驶是日常道路交通环境中最主要的行车工况。在强杂波环境下经典数据关联方法的跟踪效果往往不太理想。传统的通过穷举量测-目标所有可能的关联事件或关联假设来估计最优关联的方法，无法在多项式时间内完成精确求解，在一定程度上制约了技术的可实施性，无法快速有效的实现目标跟踪。

有鉴于此，如何在有效跟踪车辆的同时，降低计算的复杂度，实现快速跟踪已成为本领域技术人员亟待解决的技术问题。

发明内容

本申请的目的是提供一种多目标车辆跟踪方法，能够在有效跟踪车辆的同时，降低计算的复杂度，实现快速跟踪。本申请的另一个目的是提供一种多目标车辆跟踪装置、设备以及计算机可读存储介质，均具有上述技术效果。

为解决上述技术问题，本申请提供了一种多目标车辆跟踪方法，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。

可选的，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。

可选的，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。

可选的，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：