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

• 作者: 张明 徐伟业 李进军 王利辉 赵丰 赵超 陈俊吉
• 来源期刊: 河北科技大学学报
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 机械、电子与信息科学
• 页码范围: 218-224
• 页数: 7页
• 分类号: TN958.98
• 字数: 5416字
• 语种: 中文
• DOI: 10.7535/hbkd.2020yx03003

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张明	南京理工大学机械工程学院	30	362	8.0	19.0
2	陈俊吉	南京理工大学机械工程学院	2	0	0.0	0.0
3	徐伟业	南京理工大学机械工程学院	1	0	0.0	0.0