主要内容

履带到履带融合介绍

航迹到航迹融合vs中央级跟踪

多传感器跟踪系统可以提供比单传感器系统更好的性能,因为它可以提供更广泛的覆盖范围和更好的可见性。此外,融合不同类型传感器的检测也可以提高目标估计的质量和精度。多传感器跟踪系统通常采用两种结构。在第一种架构中——中央级跟踪——来自所有传感器的检测被直接发送到跟踪系统,该跟踪系统根据所有检测维护跟踪。理论上,中央级跟踪架构可以实现最佳性能,因为它可以充分利用检测中包含的所有信息。但是,您也可以将传感器级跟踪与航迹级融合相结合的分层结构应用于多传感器系统。图中是典型的中心级跟踪系统和基于传感器级跟踪和航迹级融合的典型航迹融合系统。

航迹到航迹融合vs中央级跟踪

为了表示航迹到航迹融合系统中的每个元素,将输出航迹到熔合器的跟踪系统称为源,并将从源输出的航迹称为源航迹或本地航迹。将熔断器中维护的轨道称为中心轨道。

轨道到轨道融合的好处和挑战

在某些情况下,航迹到航迹融合体系结构可能比中央级跟踪体系结构更可取。这些情况包括:

  • 在许多应用中,跟踪系统不仅需要对所处环境中的目标进行跟踪以实现自导航,还需要将所保持的跟踪转移给周围的跟踪系统以获得更好的整体导航性能。例如,一辆自动驾驶汽车可以跟踪其自身的环境,也可以与其他车辆共享所维护的轨迹,以方便其导航。

  • 在实践中,许多传感器直接输出轨道而不是检测。因此,为了结合来自输出航迹的传感器的信息,需要航迹级融合。

  • 在通信带宽有限的情况下,传输一组音轨列表通常比传输一组检测结果更有效。这对于以相对于扫描速率较低的速率提供轨道列表的情况尤其重要。

  • 当传感器和检测数量较大时,集中跟踪系统的计算复杂度较高,特别是检测分配。航迹融合体系结构可以将部分分配和估计工作分配给传感器级跟踪,降低了传感器级跟踪的计算复杂度。

尽管航迹到航迹融合体系结构具有所有优势,但它也对跟踪系统提出了额外的复杂性和挑战。与可以假定是条件独立的检测不同,来自每个来源的跟踪估计彼此相关,因为它们共享由共同的过程模型导致的共同预测错误。因此,使用标准滤波方法计算融合履带可能会导致不正确的结果。必须考虑到以下影响:

  • 共同的过程噪声——由于传感器观察和跟踪相同的目标,它们共享一些共同的动态。因此,目标机动会导致所有传感器普遍存在的平均误差。

  • 时间相关测量噪声-如果航迹融合随时间重复,则违反了标准卡尔曼滤波假设,即测量值随时间不相关,因为传感器级航迹状态估计误差随时间相关。

跟踪Fuser和跟踪架构

您可以使用trackFuser传感器融合和跟踪工具箱™,用于航迹到航迹融合。的trackFuser系统对象™提供了两种算法来组合源航迹,考虑到不同航迹之间的校正效果。属性来选择算法StateFusion的属性trackFuser为:

  • “十字”—采用交叉协方差融合算法。

  • “十字路口”-采用协方差交集融合算法。

您还可以自定义自己的融合算法。

除了上图所示的标准履带到履带融合体系结构外,还可以使用其他类型的体系结构trackFuser.例如,下图演示了一个双车跟踪系统。

在每辆车上,两个传感器用相关的跟踪器跟踪附近的目标。每辆车也有一个引信器,引信两个跟踪器的源轨道。Fuser 6可以将其维护的中心轨道传输到Fuser 3。利用这种架构,1号运载器可以识别不在其自身传感器视野范围内的目标(图中的目标2)。

双车跟踪场景

为减少谣言传播,可以将从Fuser 6到Fuser 3的源音轨视为外部音轨IsInternalSource的属性fuserSourceConfiguration作为在设置SourceConfigurations的属性TrackFuser

由于不同跟踪器报告的轨迹可以在不同的坐标框架中表示,您需要指定源和熔断器之间的坐标转换fuserSourceConfiguration财产。

另请参阅

|||||

参考文献

[1]庄志勇、森善、巴克、张国正。航迹关联与融合的架构与算法IEEE航空航天和电子系统杂志《中国经济》,2000年第15卷第1期,第5 - 13页。