基于卡尔曼滤波的多特征加权最近邻数据关联与跟踪算法
针对传统最近邻数据关联算法正确率较低且容易出现漏关联的问题,提出一种多特征加权的最近邻关联算法.根据智能车环境感知系统获得的障碍物特征数据,定义了一种相似度函数,提出基于生命周期计算有效关联度的方法,从而判定目标是否关联;基于卡尔曼滤波对关联目标进行迭代更新,实现对目标的跟踪;通过实验对比了静止目标、无交互的低速运动目标和有交互的低速运动目标的跟踪轨迹.结果表明,与传统的最近邻数据关联算法相比,所提出的改进算法可以实现对低速运动目标准确连续的关联跟踪,不会出现目标丢失或位置突变的现象,且跟踪目标的交互与遮挡对跟踪效果影响较小,具有较高的有效性与实用性.研究结果可为智能车辆的目标跟踪设计提供参考.
传感器技术、智能车辆、数据关联、目标跟踪、卡尔曼滤波、最近邻
41
TN958.98
国家自然科学基金11802140
2020-07-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
218-224