论文部分内容阅读
针对复杂交通场景下单传感器跟踪性能不佳以及目标检测概率未知问题,提出了一种基于相机雷达融合的高斯混合概率密度假设(GM-PHD)多目标跟踪改进算法。通过预关联将目标集合划分为相机雷达量测匹配目标、仅相机量测匹配目标、仅雷达量测匹配目标以及无匹配目标,并采用不同的置信度对目标状态进行更新,综合雷达的径向距离以及相机的方位角对目标进行更准确的定位估计。将相机量测作为先验条件,简化优化高斯分量剪枝合并过程。仿真实验表明:所提算法能够有效提高目标跟踪精度和鲁棒性。