基于传感器轨迹id更新phd过滤器中的强度的制作方法
【专利说明】基于传感器轨迹ID更新PHD过滤器中的强度
相关申请的交叉引用
[0001]本申请涉及以下共同未决美国专利申请，其在此通过引用并入本文:
[0002]同一日期同此提交的，题为“MERGING INTENSITIES IN A PHD FILTER BASED ON ASENSOR TRACK ID”的美国专利申请序列号14/448，808 (代理人案卷号H0043916)；
[0003]同一日期同此提交的，题为 “ADJUSTING WEIGHT OF INTENSITY IN A PHDFILTER BASED ON SENSOR TRACK ID”的美国专利申请序列号14/448，813 (代理人案卷号H0045529);以及
[0004]同一日期同此提交的，题为“TWO STEP PRUNING IN A PHD FILTER”的美国专利申请序列号14/448，819 (代理人案卷号H0045530)。
【背景技术】
[0005]看到和规避或感知和规避(SAA)的目的是为无人飞行器系统(UAS)提供使用或不使用有源的(active)基于防撞系统的应答器来执行自我分离和针对所有空中交通的防撞的能力。SAA要求UAS在本机(ownship)飞行器的操作附近检测和追踪入侵者飞行器以识别执行自我分离和防撞所要求的指导演习(guidance maneuver)。对于UAS SAA能力，检测和追踪功能是关键使能者(enabler)，因为对于未检测的，未追踪的入侵者飞彳丁器而目，UAS不能执行自我分离或防撞演习。检测功能指的是使用监视传感器来测量入侵者飞行器相对于本机UAS的位置。追踪功能指的是将监视传感器测量结果融合在一起以估计相对于本机UAS的入侵者飞行器的轨线统计(本文也称为轨迹)。监视传感器为测量结果提供了对应的测量ID，其可以是跨时间相关的或者跨时间随机的。
[0006]追踪功能通过如下来估计入侵者飞行器的轨迹:使用数据关联算法来分配对当前轨迹的测量结果，使用过滤器来用轨迹统计的当前估计融合传感器测量结果，以及使用监视传感器聚合运算(fus1n operat1n)、发起轨迹、保持轨迹并删除轨迹的轨线管理器。
[0007]一个追踪系统使用了随机有限集(RFS)来追踪用于UAS SAA的多个入侵者飞行器(IA)，其中RFS为多重假设测试(MHT)方法的实现。RFS将多重IA追踪问题投射到集值状态空间中，在那里集值状态矢量和集值测量矢量的统计被使用它们的一阶矩(在此也被称为强度)来近似，并被应用在贝叶斯过滤器框架中以使用高斯混合来估计IA轨迹统计。所得到的过滤器被称为概率假设密度(PHD)过滤器。强度指的是权重(weight)、状态平均矢量、以及集值状态空间的元素的状态协方差矩阵，其中这个元素对应于轨迹的统计。
【发明内容】
[0008]在一个实施例中，提供了一种用概率假设密度过滤器追踪多个对象的方法。该方法包括用至少一个传感器获得对应于第一对象的多个测量结果，该至少一个传感器为多个测量结果提供一个或多个第一轨迹ID。基于多个测量结果为第一对象生成Tk第一轨迹强度，1；第一轨迹强度包括权重，状态平均矢量，和第一对象在时间T ,的轨迹的统计的状态协方差矩阵。然后基于！；第一轨迹强度为第一对象生成Tk+1第一预测强度，Tk+1第一预测强度对应于时间Tk+1。从至少一个传感器的第一传感器获得Tk+1测量结果，第一传感器为T k+1测量结果提供第二轨迹ID，其中Tk+1测量结果对应于时间Tk+1。第二轨迹ID与一个或多个第一轨迹ID相比较，并且基于第二轨迹ID是否匹配一个或多个第一轨迹ID中的任何轨迹ID来用Tk+1测量结果选择性地更新T k+1第一预测强度，以在时间T k+1生成用于第一对象的Tk+1第一测量结果-到-轨迹强度。
【附图说明】
[0009]应理解的是，附图仅描绘了示例性实施例，并且因此不被认为限制范围，通过附图的使用，该示例性实施例将使用附加特征和细节被描述，其中:
[0010]图1是其中可以使用基于PHD过滤器的追踪系统的示例环境的框图。
[0011]图2是图1的环境中使用的示例追踪系统的框图。
[0012]图3是用于用图2的追踪系统追踪多个的对象的示例方法的流程图。
[0013]根据惯例，不同描述的特征并未按比例绘制，但被绘制成强调与示例性实施例相关的特定特征。
【具体实施方式】
[0014]本文描述的主题提供了一种通过使用轨迹标识符(ID)更新在概率假设密度(PHD)过滤器中正被追踪的强度的方法，所述轨迹标识符(ID)由获得对应于强度的对象测量结果的一个或多个传感器来提供。轨迹ID是由传感器提供的标识符，其中标识符是跨时间与一系列测量结果相关联的。轨迹ID的一种类型是国际民航组织(ICA0)飞行器地址，其连同相应的测量信息被飞行器发射并连同相应的测量信息被传感器接收。能够接收此类ICA0飞行器地址的传感器的示例包括自动相关监视-广播(ADS-B)传感器和空中防撞系统(TCAS)模式S传感器。轨迹ID的另一种类型是来自于随着时间的推移与测量结果相关的传感器的标识符。特别地，此类传感器通过随着时间的推移使测量结果相关并且向那些轨迹分配ID来识别对象的轨迹。连同测量结果一起由传感器提供这些ID。因为由随着时间的推移使其自己的测量结果相关的传感器生成这些ID，所以这些ID是传感器特定的。也就是说，即使第一传感器和第二传感器可以获得相同对象的测量结果，第一传感器和第二传感器也使其自己的测量结果相关，而不是其它传感器的测量结果相关；因此，由每个传感器提供的轨迹ID是不同的，并且对应于来自那个传感器而不是其它传感器的测量结果。提供此类用于相关测量结果的轨迹ID的传感器的示例包括TCAS模式C传感器，特定LiDAR、和特定雷达。本文描述的主题利用这些轨迹ID以改善准确度和效率，可以使用其在PHD过滤器中追踪多个对象。
[0015]图1是其中可以使用基于PHD过滤器的追踪系统102的示例环境的框图。在本文所示的示例中，追踪系统102被安装在飞行器104内，然而，追踪系统102可以被安装在任何交通工具内，或者可以是独立的系统。追踪系统102被配置成检测和追踪环境中的其它对象。在这个示例中，追踪系统102被配置成检测空中的对象，例如入侵者飞行器(IA) 106，108。在示例中，追踪系统102是感知和规避(SAA)系统的一部分并且飞行器104是无人飞行器系统(UAS)。
[0016]图2是示例追踪系统102的框图。追踪系统102包括多个传感器202-206，其被配置为在传感器202-206周围的环境中检测对象。所述多个传感器202-206可包括任何适当的传感器，例如雷达202，TCAS传感器203，ADS-B传感器204，光学照相机205，和LiDAR206。其它传感器也可以被使用。另外，可以使用包括多个相同类型的传感器的任何数目的传感器。传感器202-206被耦合到一个或多个处理设备208。传感器202-206被配置成获得测量结果并发送测量结果到一个或多个处理设备208。如上面提到的，传感器202-206中的一些或全部可以被配置成将轨迹ID连同测量结果发送到一个或多个处理设备208。
[0017]基于从传感器202-206接收的测量结果，一个或多个处理设备208被配置成追踪多个对象(例如入侵者飞行器106，108)。为了追踪对象，一个或多个处理设备208被配置成执行存储在一个或多个数据存储设备212上的指令210，数据存储设备212被耦合到一个或多个处理设备208。当由一个或多个处理设备208执行时，指令210引起一个或多个处理设备208实施动作以基于来自于传感器202-206的测量结果来追踪对象。一个或多个处理设备208可以包括中央处理单元(CPU)，微控制器，微处理器，(例如，数字信号处理器)，现场可编程门阵列(FPGA)，专用集成电路(ASIC)，或其它处理设备。在某些示例中，一个或多个数据存储设备212包括非易失性电子硬件设备，以用于存储机器可读数据和指令。在示例中，一个或多个数据存储设备212在用于存储计算机可读指令或数据结构的任何适当的计算机可读介质上存储信息。计算机可读介质可以被实施为可以由一个或多个处理设备208访问的任何可用介质。适当的计算机可读介质可包括存储介质，例如磁或光学介质。例如，存储介质可以包括常规的硬盘，光盘-只读存储器(CD-ROM)，固态驱动器(SSD)，其它的闪存，只读存储器(ROM)，以及电可擦除可编程ROM(EEPROM)。一个或多个处理设备208还被耦合到存储器214，存储器214被配置成在由一个或多个处理设备208执行期间存储数据和指令。存储器214可以包括易失性或非易失性介质，例如随机存取存储器(RAM)(包括，但不限于，同步动态随机存取存储器(SDRAM)，双倍数据速率(DDR) RAM, RAMBUS动态RAM (RDRAM)和静态RAM(SRAM)等)。在示例中，一个或多个处理设备208被配置成将关于对象的轨迹的信息输出到输出设备，例如显示设备。在一些示例中，一个或多个处理设备208提供轨迹信息到较大的SAA系统，以用于控制无人飞行器系统的移动。
[0018]图3是用于用追踪系统102追踪多个对象的示例方法300的流程图。追踪系统102实施一个循环(loop)，该循环计算多个强度并基于从传感器202-206新获得的测量结果在每个循环期间更新强