基于異類傳感器信息融合的目標(biāo)跟蹤理論與方法研究.pdf

1、目標(biāo)跟蹤技術(shù)自上世紀(jì)中葉發(fā)展至今，已被廣泛應(yīng)用于工業(yè)機(jī)器人、視頻監(jiān)控和導(dǎo)彈攔截等各個(gè)領(lǐng)域。隨著信息技術(shù)的高速發(fā)展，利用多個(gè)傳感器的融合信息對目標(biāo)的運(yùn)動狀態(tài)進(jìn)行估計(jì)，以提高目標(biāo)跟蹤系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確性，獲得單一傳感器無法達(dá)到的跟蹤性能，已經(jīng)成為目標(biāo)跟蹤領(lǐng)域研究和關(guān)注的重點(diǎn)。本文以新一代空中加油技術(shù)——全自主式空中加油作為應(yīng)用背景，研究了該項(xiàng)技術(shù)中的關(guān)鍵部分之一:多傳感器目標(biāo)跟蹤系統(tǒng)。在非接觸、高精度、高實(shí)時(shí)性等要求下，利用異類傳感器系統(tǒng)的

2、信息互補(bǔ)優(yōu)勢，有效地解決目標(biāo)跟蹤過程中的時(shí)空配準(zhǔn)、信息時(shí)滯、估計(jì)相關(guān)等問題，最終完成對異類傳感器目標(biāo)跟蹤方法的研究。具體而言，本文的主要工作如下:
　　(1)針對空中加油過程中對目標(biāo)跟蹤系統(tǒng)的要求與限制，提出了基于雙目視覺傳感器和激光測距傳感器相結(jié)合的異類傳感器目標(biāo)跟蹤系統(tǒng)。雙目視覺傳感器進(jìn)行目標(biāo)跟蹤時(shí)，沿光軸方向測量精度較差，因此提出了使用一維點(diǎn)激光測距傳感器進(jìn)行測量修正的方案;在修正過程中，激光測距傳感器的測量值受到雙目視覺傳

3、感器提供的方位角和俯仰角的影響，導(dǎo)致其跟蹤誤差增大，通過空間配準(zhǔn)的誤差傳遞分析，驗(yàn)證了本文提出的異類傳感器目標(biāo)跟蹤系統(tǒng)的可行性。
　　(2)在測量數(shù)據(jù)預(yù)處理技術(shù)研究的基礎(chǔ)上，提出了基于改進(jìn)型Wasserstein距離的野值集合剔除算法。多傳感器系統(tǒng)經(jīng)過內(nèi)插外推準(zhǔn)則的時(shí)間配準(zhǔn)后，測量頻率較高的雙目視覺傳感器系統(tǒng)將會損失大量的信息，本文采用了等權(quán)平均數(shù)據(jù)壓縮技術(shù)來提高這些信息的利用率和信噪比;為了在線檢測并修正上述過程中出現(xiàn)的野值，隨

4、后提出了基于改進(jìn)型Wasserstein距離對野值集合進(jìn)行檢測，并通過新息修正得到野值集合的修正權(quán)值，將其代入等權(quán)平均數(shù)據(jù)壓縮技術(shù)中完成對野值的修正。仿真結(jié)果表明了該算法對系統(tǒng)出現(xiàn)的野值進(jìn)行檢測和修正的準(zhǔn)確性。
　　(3)通過對空中加油過程中目標(biāo)運(yùn)動模型的研究，提出了基于矩形門的混雜系統(tǒng)自適應(yīng)運(yùn)動模型。通過分析受油機(jī)相對于加油機(jī)的運(yùn)動狀態(tài)，將其劃分為四個(gè)階段:勻速運(yùn)動狀態(tài)、減速運(yùn)動狀態(tài)、靜止?fàn)顟B(tài)和擾動狀態(tài)，本文提出使用矩形門的關(guān)聯(lián)

5、門技術(shù)，將各個(gè)運(yùn)動狀態(tài)進(jìn)行自適應(yīng)轉(zhuǎn)換以最大程度逼近目標(biāo)的真實(shí)運(yùn)動狀態(tài)，提高濾波精度。仿真結(jié)果驗(yàn)證了該模型對系統(tǒng)良好的適應(yīng)性。
　　(4)針對系統(tǒng)的測量常時(shí)滯問題，提出了基于UT變換的CISM(Constant-step-lag In-Sequence Measurements)間接更新算法(UT-CISM-IU)。受到二軸轉(zhuǎn)臺機(jī)械性能的限制和兩個(gè)傳感器系統(tǒng)測量相關(guān)的影響，激光測距傳感器系統(tǒng)每個(gè)周期的測量值總是滯后于當(dāng)前時(shí)刻，形成了

6、CISM問題。CISM屬于OOSM問題之一，本文通過研究OOSM問題的解決方法，結(jié)合多傳感器系統(tǒng)之間的信息互補(bǔ)優(yōu)勢，在UT變換的基礎(chǔ)上，將雙目視覺傳感器在滯后時(shí)刻的測量值代入間接更新算法中，獲得了激光測距傳感器系統(tǒng)當(dāng)前時(shí)刻的近似估計(jì)值;當(dāng)激光測距傳感器的滯后信息到達(dá)融合中心后，結(jié)合UT-A1算法解決了系統(tǒng)的CISM時(shí)滯問題。仿真結(jié)果驗(yàn)驗(yàn)證了該算法的準(zhǔn)確性，系統(tǒng)的實(shí)時(shí)性得到明顯改善。
　　(5)在UT-CISM-IU的基礎(chǔ)上，通過對

7、多傳感器估計(jì)相關(guān)的融合算法研究，提出了無重置式獨(dú)立修正信息系數(shù)的混合聯(lián)邦Kalman融合算法。由于兩個(gè)傳感器系統(tǒng)的測量相關(guān)導(dǎo)致估計(jì)相關(guān)，使信息融合過程中互協(xié)方差的求取變得困難，本文首先提出了CI-Kalman對角陣加權(quán)融合算法，雖然該算法解決了互協(xié)方差計(jì)算復(fù)雜的問題，但是經(jīng)過多層近似導(dǎo)致融合精度降低，屬于次優(yōu)算法;隨后基于聯(lián)邦Kalman濾波器，對信息系數(shù)進(jìn)行了重新分配，結(jié)合無重置式結(jié)構(gòu)和子濾波器的UT-CISM-IU算法，提出了在去相

8、關(guān)基礎(chǔ)上精度更高的信息融合算法。仿真驗(yàn)結(jié)果驗(yàn)證了該算法具有較高的精度和對系統(tǒng)較好的適用性。
　　(6)設(shè)計(jì)并建立了異類目標(biāo)跟蹤系統(tǒng)的實(shí)驗(yàn)系統(tǒng)。對各硬件設(shè)備進(jìn)行了選型并完成了主控軟件的編寫，最后針對本文提出的多種算法進(jìn)行了相應(yīng)的實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果與仿真結(jié)果相互印證，說明了本文提出的系統(tǒng)的可行性和算法的準(zhǔn)確性及有效性。
　　本文通過對目標(biāo)跟蹤方法中各要素的研究，解決了野值剔除、運(yùn)動狀態(tài)建模、測量相關(guān)引起的測量常時(shí)滯和估計(jì)相關(guān)等問