摘要
扩展目标的形状大多是不规则的,且观测角度不同会发生变化,此外,在复杂场景下,还会存在扩展目标和点目标同时存在,且存在机动的问题,针对该问题,本文提出一种混合形状多模型泊松多伯努利混合滤波算法(IMM-VNNET-PMBM)。首先,通过子随机矩阵表示的形状多子目标非椭圆伽马高斯逆威沙特(GGIW),代替泊松多伯努利混合滤波框架下表示扩展目标的单GGIW密度,以提升形状估计精度;其次,目标运动状态发生变化时,扩展目标的形状信息通常也会发生变化,采用固定的形状子目标估计扩展目标形状将不准确,算法中通过基于密度的DBSCAN算法进行量测聚类,以多假设数据关联计算形状子目标分量的存在概率,自适应调整子目标数量,实现对扩展目标的时变形状估计;最后,算法通过融入交互多模型,实现了对复杂环境下的点目标和多机动扩展目标同时跟踪;实验结果表明,提出算法能够有效对机动且形状变化的多扩展目标跟踪,具有较好的跟踪性能。
- 单位