数据关联是智能车同时定位与建图(simultaneous localization and mapping,SLAM)中的一个难点问题.为了快速准确获得数据关联结果,结合连续兼容最近邻(sequential compatibility nearest neighbor,SCNN)算法简单易实现和联合兼容分支定...数据关联是智能车同时定位与建图(simultaneous localization and mapping,SLAM)中的一个难点问题.为了快速准确获得数据关联结果,结合连续兼容最近邻(sequential compatibility nearest neighbor,SCNN)算法简单易实现和联合兼容分支定界(joint compatibility brarch and bound,JCBB)算法最优理念强的优点,提出了一种快速联合数据关联(fast joint data association,FJDA)算法.该算法首先在局部地图中采用SCNN数据关联算法处理所有的观测-特征对,得到关联结果;其次判断关联结果的准确性,若关联出错,则采用具有噪声的基于密度的聚类方法(densitybased spatial clustering of applications with noise,DBSCAN)对当前时刻的观测量进行分组,然后在每一小组中采用JCBB算法进行数据关联,最终将每一小组的关联解融合得到最终的关联结果.通过仿真实验对提出的算法、SCNN算法以及JCBB算法的性能进行了比较,结果表明提出的关联算法实时性强,准确度高.展开更多
针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目...针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目标的初步数据关联,分析了公共量测对目标跟踪的影响,并引入了公共量测影响系数来修正关联概率,最后使用卡尔曼滤波算法对目标的状态估计进行预测,从而更新各个目标的状态。仿真结果表明,所提算法有效解决了在密集杂波环境中JPDA算法组合爆炸问题,极大缩短计算时间,提高了算法的实时性。展开更多
文摘数据关联是智能车同时定位与建图(simultaneous localization and mapping,SLAM)中的一个难点问题.为了快速准确获得数据关联结果,结合连续兼容最近邻(sequential compatibility nearest neighbor,SCNN)算法简单易实现和联合兼容分支定界(joint compatibility brarch and bound,JCBB)算法最优理念强的优点,提出了一种快速联合数据关联(fast joint data association,FJDA)算法.该算法首先在局部地图中采用SCNN数据关联算法处理所有的观测-特征对,得到关联结果;其次判断关联结果的准确性,若关联出错,则采用具有噪声的基于密度的聚类方法(densitybased spatial clustering of applications with noise,DBSCAN)对当前时刻的观测量进行分组,然后在每一小组中采用JCBB算法进行数据关联,最终将每一小组的关联解融合得到最终的关联结果.通过仿真实验对提出的算法、SCNN算法以及JCBB算法的性能进行了比较,结果表明提出的关联算法实时性强,准确度高.
文摘针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目标的初步数据关联,分析了公共量测对目标跟踪的影响,并引入了公共量测影响系数来修正关联概率,最后使用卡尔曼滤波算法对目标的状态估计进行预测,从而更新各个目标的状态。仿真结果表明,所提算法有效解决了在密集杂波环境中JPDA算法组合爆炸问题,极大缩短计算时间,提高了算法的实时性。
