Automotive radar 信号处理 第8课 目标跟踪

image 目标跟踪是ADAs的子系统比如防碰撞，车道辅助中很关键的一个部分。在跟踪的过程中，状态 image 给出了目标在笛卡尔坐标系中的3-D位置，该状态是由当前观测信息 image

以及先前状态信息决定的。

在目标跟踪中，一个关键的问题是对若干个估计参数进行数据关联。比如Q个目标分别对应速度

image ,距离 image ,我们希望可以得到一对一对的对应值，也就是 image

。在对所有Q个目标的距离和速度值进行处理后，又需要对目标的运动形成轨迹。若每个目标分别具有一个单独的轨迹，那么所处理完的轨迹就有Q条。但是，实际的场景下，当这些单独的轨迹产生交叉或关联就会变的比较复杂。一些常见的方法被用做数据关联，比如联合概率的方法（Joint Probabilistic Data Association,JDPA）,邻近方法（Nearest Neighbor,NN）以及模糊逻辑（Fuzzy Logic）的方法等等。

数据关联后，可以利用常见的Kalman滤波进行跟踪处理。对于每一个轨迹，可以实施单独的滤波，这些轨迹之间的滤波是并行进行的。由于观测向量

image 与状态向量 image

之间是非线性的关系，需要利用扩展的Kalman滤波器(Extend Kalman Filter，EKF）。可以得到通过时间进行状态转移的状态方程为：

image

其中，T表示观测时间间隔，观测向量与状态向量是通过：

image

利用先前时间的状态，可以根据状态方程对当前状态进行预测，通过观测向量和状态向量之间的关系以及当前观测值，可以实现对预测值的更新和修正。需要进行调整的数量取决于观测量的SNR。

若对于车辆跟踪问题需要进一步的了解，可以看下面的几篇文章：

M. Z. Ikram "3-D object tracking in millimeter-wave radar for advanced driver assistance systems"

A.Macaveiu "Automotive radar target tracking by Kalman filtering"

D. Oprisan "Tracking systems for automotive radar networks"

N. Floudas "A survey of filtering techniques for vehicle tracking by radar equipped automotive platforms"

插图： pixel2013 来自网络

0 (1).jpg