一种基于车车通信的多目标协同跟踪的方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111220998A(43)申请公布日2020.06.02(21)申请号202010119099.2(22)申请日2020.02.26(71)申请人江苏大学地址212013江苏省镇江市京口区学府路301号(72)发明人陈小波王彦均冀建宇蔡英凤王海梁军(51)Int.Cl.G01S17/66(2006.01)G01S17/88(2006.01)权利要求书3页说明书8页附图2页(54)发明名称一种基于车车通信的多目标协同跟踪的方法(57)摘要本发明公开了一种基于车车通信的多目标协同跟踪的方法，包括如下步骤：主车和协同车定期独立跟踪车载传感器检测范围内的目标状态；协同车将目标跟踪结果获得的自身状态通过车车通信发送给主车；将从协同车接收到的跟踪目标状态和协同车的状态均同步到主车感知时刻；获得的主车自身状态和同步后协同车的状态，计算协同车在主车坐标系中的坐标值；计算两车坐标系之间的相对角度与两车各自跟踪目标之间的关联；将两车关联上的目标状态信息进行融合，并保留各自没有关联的目标状态信息。有益效果：本发明能提高多目标的跟踪精度而且扩大了智能车的感知范围，缩小了感知盲区；可以根据需要减少单车传感器的数量，有助于降低智能汽车的制造成本。CN111220998ACN111220998A权利要求书1/3页1.一种基于车车通信的多目标协同跟踪的方法，其特征在于，包括如下步骤：步骤1：主车和协同车应用GMPHD滤波方法，定期独立跟踪车载传感器检测范围内的目标状态；步骤2：协同车将目标跟踪结果和利用车载定位设备获得的自身状态通过车车通信发送给主车；步骤3：将从协同车接收到的跟踪目标状态和协同车的状态均同步到主车感知时刻；步骤4：根据车载定位设备获得的主车自身状态和同步后协同车的状态，计算协同车在主车坐标系中的坐标值；步骤5：计算两车坐标系之间的相对角度与两车各自跟踪目标之间的关联；步骤6：应用协方差交叉算法将两车关联上的目标状态信息进行融合，并保留各自没有关联的目标状态信息。2.根据权利要求1所述的基于车车通信的多目标协同跟踪的方法，其特征在于，所述步骤1跟踪目标状态方法如下：1.1、应用GMPHD滤波得到k时刻高斯混合概率密度假设强度vk(s)，其中，为目标在x，y方向上的位置和速度，为高斯分布，分别为第i个高斯分布的权重、均值和协方差矩阵；1.2、基于剪枝合并算法删除权重较小的高斯分布，并融合相邻高斯分布，根据剪枝合并后的高斯分布权重，提取目标数目及运动状态。3.根据权利要求1所述的基于车车通信的多目标协同跟踪的方法，其特征在于，所述步骤2中的协同车发送给主车的信息包括：协同车跟踪的目标状态从车载定位设备获得的协同车GPS坐标速度及航向角其中k1表示协同车的感知时刻，为协同车坐标系下第i个目标的位置和协方差矩阵，为协同车跟踪的目标总数。4.根据权利要求1所述的基于车车通信的多目标协同跟踪的方法，其特征在于，所述步骤3具体包括如下步骤：3.1、由于两车感知时刻不同步，同时考虑到车车通信延迟，需要进行时间同步；设主车的感知时刻为k2，主车跟踪的目标状态其中，为第j个目标的位置和协方差矩阵，为主车跟踪的目标总数；根据目标运动方程，将从协同车接收到的目标状态同步到k2时刻：2CN111220998A权利要求书2/3页其中，ΔT＝k2-k1为主车感知时刻与协同车感知时刻的时间差，F(ΔT)为目标运动状态转移矩阵，Q(ΔT)为过程噪声协方差矩阵，3.2、应用如下公式将协同车GPS坐标同步到k2时刻，其中，Δlon和Δlat分别为纬度和经度插值的偏移量，计算公式如下：l为同一经度下纬度增加一度的距离，取值111.32千米。5.根据权利要求1所述的基于车车通信的多目标协同跟踪的方法，其特征在于，所述步骤4包括：4.1、将主车自身GPS坐标转换到地心地固坐标系，转换公式如下：其中，F为法线长度，E为偏心率；按同样的公式，将协同车同步后的GPS坐标转换到地心地固坐标系下，得到4.2、计算协同车在主车坐标系下的坐标为：其中，6.根据权利要求1所述的基于车车通信的多目标协同跟踪的方法，其特征在于，所述步骤5包括：5.1、设主车坐标系与协同车坐标系之间的相对角度初始估计为r为迭代次数，初始化为1；5.2、将协同车的跟踪目标位置及协方差按如下坐标转换公式转换到主车坐标系下：3CN111220998A权利要求书3/3页其中，为坐标旋转矩阵，为平移向量；5.3、计算主车跟踪目标与协同车的跟踪目标之间的相似度矩阵C，矩阵的大小为矩阵中的元素为Cji＝min{dji,U}，其中为主车第j个跟踪目标与协同车第i个跟踪目标的距离，U为关联阈值，用于约束最大关联距离；5.4、根据相似矩阵C，应用匈牙利算法得到目标