多目标跟蹤算法(最近鄰NN)(全局最近鄰GNN)(機率資料關聯PDA)(聯合機率資料關聯JPDA)的學習

注意:對于目标檢測而言,相機和毫米波雷達的檢測特點不同(對于相機而言，檢測數量有時小于目前軌迹，而毫米波雷達的檢測數量大于目前軌迹。),故我們需要選擇不同的目标檢測算法來達到最優解.

下面我們來學習不同的目标跟蹤算法:

1. 最近鄰NN

最近鄰資料關聯算法的優點是運算量小，易于硬體的實作，但是隻能适用于稀疏目标和雜波環境的目标跟蹤系統。當在目标或者雜波密度較大時，很容易出現誤跟和漏跟現象，同時算法跟蹤性能不高。

關聯矩陣較大時，二維配置設定問題可Munkre算法或Burgeois算法求解，求解具多項式複雜度,非NP問題

特點：一個目标最多隻與跟蹤門中一個測量相關，以總關聯代價（或總距離）作為關聯評價标準，取總關聯代價或總距離最小的關聯對為正确關聯對。

2.全局最近鄰GNN

GNN的一個關鍵步驟是生成成本矩陣。成本矩陣是指與每次檢測比對的每條軌迹的成本

NN和GNN的不同點:

距離計算方法和NN相同，但是使總的距離或關聯代價達到最小，      

3. 機率資料關聯PDA(用于雷達原始資料的濾波)

4. 聯合機率資料關聯JPDA(用于雷達原始資料的濾波)

JPDA中的聯合事件數是所有候選檢測數的指數函數，并且随着檢測密度的增加而迅速增加，導緻計算負載的聯合爆炸現象。

部分參考内容見連結:

​​https://zhuanlan.zhihu.com/p/188664072​​