基于AIMM-PF的多机动目标协同跟踪

TP301.6; 针对常规线性卡尔曼滤波越来越不能满足多机动目标跟踪精度需求的问题,提出一种基于自适应多模型粒子滤波的协同跟踪方法.首先,主车和协同车分别执行自适应交互式多模型粒子滤波(adaptive interactive multi model particle filter,AIMM-PF)算法,获得环境中目标车辆的运动状态;其次,协同车通过车车通信将跟踪到的目标状态发送给主车;最后,利用基于匈牙利算法和快速协方差交叉算法的数据关联和数据融合技术实现多机动目标的协同跟踪.搭建了 V2V通信、雷达和定位仿真系统,选定两辆智能车作为主车和协同车,感知并跟踪200 m范围内的7辆目标车,进行...

Full description

Saved in:
Bibliographic Details
Published in江苏大学学报（自然科学版） Vol. 45; no. 4; pp. 434 - 440
Main Authors 张洲, 梁军, 张致豪, 陈小波, 陈龙, 魏文权, 李慧
Format Journal Article
LanguageChinese
Published 江苏大学汽车工程研究院,江苏镇江 212013%山东工商学院计算机科学与技术学院,山东烟台 264005%江苏汉峰数控科技有限公司,江苏泰州 225500 01.07.2024
Subjects
multiple maneuvering targets
track fusion
协同跟踪
vehicle-to-vehicle communication
轨迹关联
多机动目标
轨迹融合
智能网联汽车
connected autonomous vehicle
cooperative tracking
track association
车车通信
交互式多模型
interactive multi model
Online AccessGet full text
ISSN1671-7775
DOI10.3969/j.issn.1671-7775.2024.04.009

Cover

More Information
Summary:TP301.6; 针对常规线性卡尔曼滤波越来越不能满足多机动目标跟踪精度需求的问题,提出一种基于自适应多模型粒子滤波的协同跟踪方法.首先,主车和协同车分别执行自适应交互式多模型粒子滤波(adaptive interactive multi model particle filter,AIMM-PF)算法,获得环境中目标车辆的运动状态;其次,协同车通过车车通信将跟踪到的目标状态发送给主车;最后,利用基于匈牙利算法和快速协方差交叉算法的数据关联和数据融合技术实现多机动目标的协同跟踪.搭建了 V2V通信、雷达和定位仿真系统,选定两辆智能车作为主车和协同车,感知并跟踪200 m范围内的7辆目标车,进行了仿真试验.结果表明,与传统的单车跟踪相比,协同跟踪扩大了感知范围,且在不影响跟踪效率的情况下使跟踪误差降低了 31.1％.
ISSN:1671-7775
DOI:10.3969/j.issn.1671-7775.2024.04.009