论文部分内容阅读
在智能交通领域,汽车防撞雷达系统作为一项主动防撞措施,对实现自动驾驶、降低交通事故发生率具有重要的现实意义。汽车防撞雷达多目标跟踪技术能够在道路杂波环境实时估计车辆运动状态信息及目标数目,提高系统可靠性。本论文围绕汽车防撞雷达系统多目标跟踪算法进行研究,主要工作如下:首先,针对汽车防撞雷达道路多目标跟踪非线性、车辆目标数目时变、目标运动模型多样的问题,给出了一种基于有向图切换的无迹卡尔曼高斯概率假设密度(DS-UKGMPHD)算法。该算法通过DS算法实时选择合适的模型子集,并结合无迹卡尔曼算法与GMPHD滤波进行跟踪。仿真表明,该算法不仅适用于非线性条件,毋需数据关联,而且能在较多模型覆盖的情况下,对汽车防撞雷达多车辆目标准确跟踪,较交互式多模型无迹卡尔曼高斯概率假设密度(IMM-UKGMPHD)方法更具优越性。其次,针对汽车防撞雷达系统新生目标强度函数未知的多目标跟踪问题,给出了一种基于新生目标检测的道路多目标跟踪算法。该算法首先基于多假设航迹起始算法检测新生车辆目标,构造新生目标强度函数,其次结合基于有向图切换的UKGMPHD滤波进行多车辆目标跟踪。仿真表明,该算法不仅适用于新生目标强度函数未知的道路杂波环境,而且能够适应时变数目多机动目标的非线性跟踪,较DS-UKGMPHD算法增大了适用范围。最后,针对汽车防撞雷达漏检造成的道路目标信息丢失问题,给出了一种基于变结构多模型的修正高斯概率假设密度(VSMM-IGMPHD)算法。该算法首先基于有向图切换方法进行变结构多模型切换,其次在改进GMPHD算法的基础上结合UKF进行滤波。仿真表明,在防撞雷达存在适当漏检目标的情况下,该算法能够完成时变数目的道路多机动目标跟踪,较VSMM-GMPHD算法对状态信息及数目的跟踪准确度提升。