基于异步传感器的CPHD滤波器多目标跟踪

基于异步传感器的CPHD滤波器多目标跟踪

考虑目标类型的概率，提出了基于Cardinalized概率假设密度（CPHD）的滤波器改进方法。使用传感器分类，通过贝叶斯规则递归计算目标类型概率。利用目标类型概率提高多目标跟踪滤波器的性能，同时提高获取跟踪区域环境信息的能力。分类信息将被用于估算目标宽度，并计算跟踪目标测量和预测之间的相似度。利用CPHD对两种传感器信息进行融合，基于传感器的行为和需要建立CPHD滤波器参数实现滤波。一旦传感器被遮挡，将利用目标的预测状态修改参数值。

对异步传感器、摄像机和雷达进行试验。摄像机的视场角为40°，其估算位置并对观测区域内的目标进行分类，高斯混合的形式是基于卡尔曼滤波器来预测和更新的等式，所以估计目标状态的性能与卡尔曼滤波器类似。利用两个传感器的优势，利用雷达测得的目标速度来估计目标速度，目标的侧向位置和目标的分类则通过摄像机来估计。由于缺少目标的实时状态，因此精确评估这种改进方法是困难的。试验雷达和摄像机的频率分别为30Hz 和11Hz。首先在可控的试验条件下进行试验来精确评估结果，评价整个方法的优缺点；然后将该方法用于实际驾驶环境中。试验结果表明，这种滤波方法在真实道路上有很好的表现，体现了基于CPHD滤波器在多目标跟踪中处理传感器融合的优势。

Lamard Laetitia et al. 2013 International Conference on Information Fusion(FUSION)，Turkey-July 9-12， 2013.

编译：孔悦