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