沈艷秋, 宮 俊, 秦 強(qiáng), 周明宇, 代孝森

(1.上海無(wú)線電設(shè)備研究所,上海 201109;2.上海目標(biāo)識(shí)別與環(huán)境感知工程技術(shù)研究中心,上海 201109;3.中國(guó)航天科技集團(tuán)有限公司交通感知雷達(dá)技術(shù)研發(fā)中心,上海 201109)

0 引言

隨著雷達(dá)在軍事和民用領(lǐng)域的廣泛應(yīng)用,目標(biāo)跟蹤成為雷達(dá)數(shù)據(jù)處理的重要部分,復(fù)雜環(huán)境下的多目標(biāo)跟蹤更是當(dāng)前研究的熱點(diǎn)和難點(diǎn)問(wèn)題之一[1-2]。目前,國(guó)家正大力發(fā)展智慧城市和智能交通,復(fù)雜交通場(chǎng)景下多目標(biāo)跟蹤問(wèn)題也被廣泛關(guān)注。有效利用交通場(chǎng)景數(shù)據(jù)實(shí)現(xiàn)多目標(biāo)穩(wěn)定跟蹤,對(duì)提升公共安全具有重要意義。

數(shù)據(jù)關(guān)聯(lián)和跟蹤濾波是多目標(biāo)跟蹤的關(guān)鍵技術(shù)。經(jīng)典的數(shù)據(jù)關(guān)聯(lián)算法有最近鄰域關(guān)聯(lián)法、概率數(shù)據(jù)關(guān)聯(lián)法和聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)法等。跟蹤濾波算法主要有卡爾曼濾波、擴(kuò)展卡爾曼濾波和無(wú)跡卡爾曼濾波等?？筛鶕?jù)應(yīng)用場(chǎng)合的需求特點(diǎn)選擇不同的算法。由于實(shí)際交通場(chǎng)景中必然會(huì)存在多目標(biāo)相互遮擋和交叉運(yùn)動(dòng)等情況,僅考慮數(shù)據(jù)關(guān)聯(lián)和跟蹤濾波的雷達(dá)多目標(biāo)跟蹤算法跟蹤效果不佳,很難在實(shí)際場(chǎng)景中應(yīng)用。因此,有必要進(jìn)一步研究復(fù)雜交通場(chǎng)景下目標(biāo)穩(wěn)定跟蹤的方法。

為提高交通場(chǎng)景中目標(biāo)跟蹤的穩(wěn)定性和精確性,本文在采用卡爾曼濾波和概率數(shù)據(jù)關(guān)聯(lián)的雷達(dá)多目標(biāo)跟蹤算法的基礎(chǔ)上,提出了一種基于歐氏距離的改進(jìn)的航跡關(guān)聯(lián)方法,通過(guò)增加航向夾角的判別約束,實(shí)現(xiàn)航跡與航跡之間的關(guān)聯(lián),提高航跡跟蹤的完整性和穩(wěn)定性。最后,利用實(shí)測(cè)交通雷達(dá)數(shù)據(jù)來(lái)驗(yàn)證該算法在交通場(chǎng)景中多目標(biāo)跟蹤應(yīng)用的可靠性。

1 多目標(biāo)跟蹤算法框架

由于實(shí)際道路環(huán)境復(fù)雜,雷達(dá)自身也存在工作不穩(wěn)定和回波能量不均勻問(wèn)題,可能會(huì)導(dǎo)致回波數(shù)據(jù)中含有大量虛假目標(biāo),或遺漏有效目標(biāo)信息。此外,由于雷達(dá)每一幀的目標(biāo)檢測(cè)信號(hào)獨(dú)立且存在大量噪聲[3],可能導(dǎo)致同一目標(biāo)相鄰幀之間的運(yùn)動(dòng)狀態(tài)信息不連續(xù)。針對(duì)上述情況,亟需對(duì)目標(biāo)的位置和速度信息進(jìn)行有效提取,實(shí)現(xiàn)目標(biāo)的穩(wěn)定跟蹤。

本文設(shè)計(jì)的多目標(biāo)跟蹤算法的數(shù)據(jù)處理步驟主要包括數(shù)據(jù)預(yù)處理、航跡起始、航跡維持和航跡終結(jié)。

(1)數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是指為提高數(shù)據(jù)質(zhì)量和目標(biāo)跟蹤準(zhǔn)確性,對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理,主要包括位置約束、去除靜止點(diǎn)、剔除虛警概率高的測(cè)量值以及點(diǎn)跡聚類。本文剔除了徑向距離大于150 m、絕對(duì)速度為0、虛警率不小于75%的測(cè)量數(shù)據(jù),點(diǎn)跡聚類采用密度聚類算法(DBSCAN)[4-5]。

(2)航跡起始

航跡起始是指將當(dāng)前時(shí)刻點(diǎn)跡與歷史時(shí)刻點(diǎn)跡關(guān)聯(lián),形成一條新的目標(biāo)航跡。本文采用直觀法進(jìn)行航跡起始,若連續(xù)4幀的測(cè)量數(shù)據(jù)中,有3幀及以上滿足閾值條件,則認(rèn)為航跡起始成功。

(3)航跡維持

航跡維持包括狀態(tài)估計(jì)、數(shù)據(jù)關(guān)聯(lián)和航跡關(guān)聯(lián)。利用卡爾曼濾波器對(duì)多目標(biāo)點(diǎn)跡進(jìn)行跟蹤濾波,對(duì)其各個(gè)參數(shù)進(jìn)行初始化,并通過(guò)概率數(shù)據(jù)關(guān)聯(lián)算法進(jìn)行點(diǎn)跡與航跡關(guān)聯(lián)。針對(duì)多目標(biāo)相互遮擋和交叉運(yùn)動(dòng)等造成的航跡中斷或關(guān)聯(lián)錯(cuò)誤導(dǎo)致航跡不連續(xù)的情況,利用一種基于歐氏距離的改進(jìn)關(guān)聯(lián)方法進(jìn)行航跡與航跡的關(guān)聯(lián)。

(4)航跡終結(jié)

航跡終結(jié)是指若雷達(dá)在連續(xù)多幀數(shù)內(nèi)未有測(cè)量值與航跡成功關(guān)聯(lián),則認(rèn)為該目標(biāo)已不存在,航跡終止。

2 多目標(biāo)跟蹤算法

2.1 航跡起始

航跡起始采用直觀法。該方法基于物體的運(yùn)動(dòng)規(guī)律,認(rèn)為一個(gè)物體的運(yùn)動(dòng)速度應(yīng)在其最大與最小速度之間,且物體的加速度也滿足該規(guī)律。因此,如果在雷達(dá)的N次掃描得到的測(cè)量值中有M個(gè)測(cè)量或預(yù)測(cè)的目標(biāo)運(yùn)動(dòng)速度介于其最大值vmax與最小值vmin之間,且測(cè)量或預(yù)測(cè)的目標(biāo)加速度的絕對(duì)值小于其最大加速度值amax,則直觀法認(rèn)為航跡起始成功。具體步驟[6]為:

a)分別錄入第1幀和第2幀所有點(diǎn)跡的位置和速度信息,記錄速度滿足波門關(guān)系的點(diǎn)跡,記為臨時(shí)航跡;

b)錄入第3 幀所有點(diǎn)跡信息,依次判斷速度、加速度及航向是否滿足對(duì)應(yīng)波門關(guān)系,若滿足則航跡起始成功,若不滿足則通過(guò)兩點(diǎn)外推得到第3幀目標(biāo)的位置,并錄入第4幀所有點(diǎn)跡信息;

c)依上述步驟判斷第2幀～第4幀目標(biāo)是否在速度波門、加速度波門及航向波門內(nèi),若存在則航跡起始成功,反之則刪除航跡。

2.2 航跡維持

航跡維持包括狀態(tài)估計(jì)、數(shù)據(jù)關(guān)聯(lián)和航跡關(guān)聯(lián),其中一個(gè)關(guān)鍵問(wèn)題是對(duì)目標(biāo)的運(yùn)動(dòng)狀態(tài)進(jìn)行有效的濾波估計(jì)。

(1)卡爾曼濾波

雷達(dá)回波中往往存在噪聲干擾,導(dǎo)致目標(biāo)運(yùn)動(dòng)參數(shù)估計(jì)不準(zhǔn)確,利用卡爾曼濾波器可降低噪聲的影響。雷達(dá)在k時(shí)刻得到的信息可用狀態(tài)向量X k=[x(k),y(k),v x(k),v y(k)]T表示。其中,x(k),y(k)分別是笛卡爾坐標(biāo)系下目標(biāo)徑向距離對(duì)應(yīng)的x軸和y軸分量,v x(k),v y(k)是徑向速度對(duì)應(yīng)的x軸和y軸分量。

目標(biāo)運(yùn)動(dòng)狀態(tài)模型可以表示為

(2)概率數(shù)據(jù)關(guān)聯(lián)

對(duì)于單目標(biāo)跟蹤的航跡更新,只有一條航跡,只要將新的測(cè)量值與已存在的航跡關(guān)聯(lián)即可完成更新。多目標(biāo)數(shù)據(jù)關(guān)聯(lián)本質(zhì)上與單目標(biāo)數(shù)據(jù)關(guān)聯(lián)相同,但為了減小數(shù)據(jù)關(guān)聯(lián)的計(jì)算量,首先需要為已經(jīng)存在的航跡確定一個(gè)測(cè)量值的范圍,即相關(guān)波門,再將落入相關(guān)波門內(nèi)的測(cè)量值與已存在的航跡進(jìn)行關(guān)聯(lián)。概率數(shù)據(jù)關(guān)聯(lián)算法[8]綜合考慮了所有落入相關(guān)波門內(nèi)的測(cè)量值,通過(guò)計(jì)算各測(cè)量值源自目標(biāo)的概率大小,將各個(gè)測(cè)量值的加權(quán)和作為等效測(cè)量值來(lái)更新目標(biāo)狀態(tài)。

設(shè)某目標(biāo)從航跡起始時(shí)刻至k時(shí)刻波門內(nèi)的全部有效測(cè)量集合A與k時(shí)刻的有效測(cè)量集合B分別為

其中

利用卡爾曼濾波算法計(jì)算各相關(guān)波門內(nèi)所有測(cè)量對(duì)于目標(biāo)的狀態(tài)估計(jì),然后采用概率數(shù)據(jù)關(guān)聯(lián)算法進(jìn)行加權(quán)計(jì)算,即可得到各個(gè)目標(biāo)的最終更新的狀態(tài)估計(jì)。

(3)基于歐氏距離的航跡關(guān)聯(lián)

由于多目標(biāo)相互遮擋和交叉運(yùn)動(dòng)等情況,導(dǎo)致航跡中斷或關(guān)聯(lián)錯(cuò)誤,無(wú)法再繼續(xù)關(guān)聯(lián)點(diǎn)跡,造成航跡不連續(xù)。此時(shí),新生成的航跡和該目標(biāo)原始航跡的間隔時(shí)間通常較短,如果是點(diǎn)跡與航跡錯(cuò)誤關(guān)聯(lián)的情況,那么新航跡起始時(shí)間也是原始航跡終結(jié)時(shí)間;如果是短時(shí)間內(nèi)航跡中斷的情況,新生航跡則會(huì)在原始航跡終結(jié)后的較短時(shí)間間隔內(nèi)起始。

式中:σα為航向夾角門限。

選擇距離和航向夾角都滿足閾值條件的原始航跡和新生航跡進(jìn)行關(guān)聯(lián),更新原始航跡的數(shù)據(jù)和狀態(tài),刪除新生航跡信息。航跡關(guān)聯(lián)示意圖如圖1所示。

圖1 航跡關(guān)聯(lián)示意圖

2.3 航跡終結(jié)

當(dāng)目標(biāo)離開視野時(shí),應(yīng)終結(jié)該目標(biāo)航跡。本文采用一種簡(jiǎn)便的方法,即記錄每一條航跡未能連續(xù)與新的測(cè)量數(shù)據(jù)成功關(guān)聯(lián)的幀數(shù),當(dāng)有連續(xù)7幀測(cè)量值沒(méi)有與該航跡關(guān)聯(lián)時(shí),下一幀數(shù)據(jù)將不再考慮與這條航跡進(jìn)行關(guān)聯(lián),即終止此航跡。航跡輸出的信息包括濾波后的距離、速度、點(diǎn)跡跟蹤狀態(tài)和航跡編號(hào)。

3 試驗(yàn)結(jié)果與分析

本文使用毫米波雷達(dá)對(duì)環(huán)境數(shù)據(jù)進(jìn)行采集,通過(guò)CAN 總線傳輸數(shù)據(jù),在電腦端進(jìn)行數(shù)據(jù)的收集和處理,并在雷達(dá)上方架設(shè)攝像機(jī)用于對(duì)比分析與評(píng)估驗(yàn)證。試驗(yàn)選取了兩處交通場(chǎng)景,試驗(yàn)儀器示意圖與場(chǎng)景實(shí)況如圖2所示。

圖2 試驗(yàn)儀器與場(chǎng)景實(shí)況圖

在圖2(b)所示直道場(chǎng)景中,監(jiān)測(cè)區(qū)域存在3輛動(dòng)目標(biāo)小汽車和1輛靜止大卡車。圖3為直道場(chǎng)景目標(biāo)測(cè)量點(diǎn)跡與跟蹤軌跡的疊加圖,圖3(a)～圖3(c)分別是直道場(chǎng)景中目標(biāo)橫向距離、縱向距離和縱向相對(duì)速度隨幀數(shù)變化的情況。

從測(cè)量點(diǎn)跡可以看出,雷達(dá)噪聲大且雜波多;當(dāng)目標(biāo)相接近時(shí),目標(biāo)產(chǎn)生的測(cè)量點(diǎn)跡分布較為密集。結(jié)合攝像機(jī)捕獲的視頻信息可知,3個(gè)動(dòng)目標(biāo)分別對(duì)應(yīng)2輛去向車輛和1輛來(lái)向車輛,目標(biāo)1和目標(biāo)2為去向車輛,2個(gè)目標(biāo)的速度和距離均相近,目標(biāo)2緊跟目標(biāo)1運(yùn)動(dòng),在第80幀～第100幀時(shí)發(fā)生交叉事件;在第50幀～第60幀時(shí),來(lái)向車輛目標(biāo)3被去向車輛遮擋,導(dǎo)致測(cè)量信息丟失,航跡存在部分缺失。目標(biāo)跟蹤試驗(yàn)結(jié)果表明:當(dāng)目標(biāo)以5 m/s和10 m/s的速度遠(yuǎn)離或靠近雷達(dá)時(shí),算法能夠?qū)ζ溥M(jìn)行有效跟蹤;在目標(biāo)交叉臨近區(qū)域和測(cè)量值缺失區(qū)域,算法對(duì)目標(biāo)狀態(tài)進(jìn)行了精確估計(jì),準(zhǔn)確捕捉到了實(shí)際的目標(biāo)運(yùn)動(dòng)軌跡。

在圖2(c)所示天橋場(chǎng)景中,同時(shí)存在小汽車、中型汽車等9個(gè)動(dòng)目標(biāo)。圖4為天橋場(chǎng)景目標(biāo)測(cè)量點(diǎn)跡與跟蹤軌跡的疊加圖,圖4(a)～圖4(c)分別是天橋場(chǎng)景中目標(biāo)橫向距離、縱向距離和縱向相對(duì)速度隨幀數(shù)變化的情況。

圖4 天橋場(chǎng)景目標(biāo)測(cè)量點(diǎn)跡與跟蹤軌跡圖

當(dāng)目標(biāo)車輛在距離雷達(dá)較近位置時(shí),由于角度變化較大等原因,導(dǎo)致航跡提前終結(jié)。目標(biāo)真實(shí)測(cè)量點(diǎn)的周圍均勻分布著虛假目標(biāo)點(diǎn),算法成功濾除了大量的無(wú)用的虛假目標(biāo),得到連續(xù)的、穩(wěn)定的有效航跡,航跡與目標(biāo)車輛一一對(duì)應(yīng),跟蹤結(jié)果與實(shí)際情況相符。

同時(shí),采用僅考慮數(shù)據(jù)關(guān)聯(lián)和跟蹤濾波的雷達(dá)多目標(biāo)跟蹤算法對(duì)上述兩種場(chǎng)景進(jìn)行目標(biāo)跟蹤試驗(yàn)。試驗(yàn)得到的目標(biāo)數(shù)多于真實(shí)目標(biāo)數(shù),無(wú)法與真實(shí)目標(biāo)相對(duì)應(yīng),跟蹤效果不佳。

為定量評(píng)估目標(biāo)跟蹤效果,利用航跡跟蹤成功率對(duì)軌跡點(diǎn)跡連續(xù)情況進(jìn)行評(píng)估,航跡跟蹤成功率為軌跡成功關(guān)聯(lián)測(cè)量點(diǎn)次數(shù)與軌跡從起始至終結(jié)的總幀數(shù)的比值。兩種場(chǎng)景下的多目標(biāo)航跡跟蹤成功率如表1所示。

表1 多目標(biāo)航跡跟蹤結(jié)果

在直道場(chǎng)景中,目標(biāo)航跡跟蹤成功率達(dá)到0.94以上;在天橋場(chǎng)景中,成功率在0.83 以上。說(shuō)明航跡跟蹤質(zhì)量良好,目標(biāo)點(diǎn)跡連續(xù),算法具有較好的穩(wěn)定性。

4 結(jié)論

本文針對(duì)交通場(chǎng)景中多目標(biāo)跟蹤的難點(diǎn),采用基于卡爾曼濾波和概率數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤算法,實(shí)現(xiàn)點(diǎn)跡與航跡之間的關(guān)聯(lián)。并在此基礎(chǔ)上,提出一種基于歐氏距離的改進(jìn)的航跡關(guān)聯(lián)方法來(lái)提高航跡跟蹤的完整性。試驗(yàn)結(jié)果表明,所提多目標(biāo)跟蹤算法能較好地跟蹤存在相互遮擋和交叉運(yùn)動(dòng)情況的多目標(biāo),跟蹤航跡具有較好的完整性和穩(wěn)定性,可應(yīng)用于智能交通場(chǎng)景。此外,該方法也為其他領(lǐng)域類似的多目標(biāo)跟蹤應(yīng)用提供了技術(shù)支撐。