-
公开(公告)号：CN109447161B
公开(公告)日：2021-07-13
申请号：CN201811287954.X
申请日：2018-10-31
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于汽车雷达数据的实时增量与自适应聚类方法，提出将EKF与DBSCAN算法结合来实现汽车雷达数据实时聚类，目的是解决工作在多目标复杂坏境下的汽车雷达数据聚类效率低的缺点，以及无法应对数据密度簇不均匀问题。本发明方法考虑到汽车雷达在对目标进行跟踪预测时常会用到EKF的特点，改进DBSCAN算法，改进的DBSCAN算法可以很大限度上保证聚类结果不受航迹重合的影响；还可以使得卡尔曼滤波参数在同一目标中可以持续迭代，节省了从初始参数迭代需要的时间，提高了聚类效率。本发明方法同时实现增量和自适应DBSCAN聚类，可以保持较低时间内存开销，并且可以用来解决汽车雷达数据簇密度不均匀的情况。
-
公开(公告)号：CN109447161A
公开(公告)日：2019-03-08
申请号：CN201811287954.X
申请日：2018-10-31
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于汽车雷达数据的实时增量与自适应聚类方法，提出将EKF与DBSCAN算法结合来实现汽车雷达数据实时聚类，目的是解决工作在多目标复杂坏境下的汽车雷达数据聚类效率低的缺点，以及无法应对数据密度簇不均匀问题。本发明方法考虑到汽车雷达在对目标进行跟踪预测时常会用到EKF的特点，改进DBSCAN算法，改进的DBSCAN算法可以很大限度上保证聚类结果不受航迹重合的影响；还可以使得卡尔曼滤波参数在同一目标中可以持续迭代，节省了从初始参数迭代需要的时间，提高了聚类效率。本发明方法同时实现增量和自适应DBSCAN聚类，可以保持较低时间内存开销，并且可以用来解决汽车雷达数据簇密度不均匀的情况。
-
公开(公告)号：CN111007880A
公开(公告)日：2020-04-14
申请号：CN201911350055.4
申请日：2019-12-24
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于汽车雷达的扩展目标跟踪方法，根据状态集建立实际目标汽车的随机有限集模型，根据测量集建立量测目标汽车的随机有限集模型，修正异常多普勒速度，在方位-多普勒速度预分区处理后使用吉布斯采样进行数据关联，关联成功则更新多目标PMBM后验密度，再预测下一时刻的多目标PMBM先验密度，关联不成功则判断是否有新目标进入，对于新目标则预测下一时刻的多目标PMBM先验密度，再结合完全状态向量计算输出结果，否则剔除该杂波，本发明增加少量的时间复杂度便能大幅度提升跟踪效率，提高跟踪精度。
-
公开(公告)号：CN111007880B
公开(公告)日：2022-09-02
申请号：CN201911350055.4
申请日：2019-12-24
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于汽车雷达的扩展目标跟踪方法，根据状态集建立实际目标汽车的随机有限集模型，根据测量集建立量测目标汽车的随机有限集模型，修正异常多普勒速度，在方位‑多普勒速度预分区处理后使用吉布斯采样进行数据关联，关联成功则更新多目标PMBM后验密度，再预测下一时刻的多目标PMBM先验密度，关联不成功则判断是否有新目标进入，对于新目标则预测下一时刻的多目标PMBM先验密度，再结合完全状态向量计算目标输出结果，否则剔除该杂波，本发明增加少量的时间复杂度便能大幅度提升跟踪效率，提高跟踪精度。
-
-
-
Search Results
4
records
(took 0.019 seconds)
