针对复杂动态场景下毫米波雷达点云目标跟踪的数据关联难题,提出一种融合空间位置、动态速度及信噪比(SNR)的自适应关联算法。传统方法存在两大局限:最近邻(NN)算法在低信噪比(SNR<10 d B)和密集目标场景中误匹配率高;联合概率数据关...针对复杂动态场景下毫米波雷达点云目标跟踪的数据关联难题,提出一种融合空间位置、动态速度及信噪比(SNR)的自适应关联算法。传统方法存在两大局限:最近邻(NN)算法在低信噪比(SNR<10 d B)和密集目标场景中误匹配率高;联合概率数据关联(JPDA)算法虽提升精度,但计算复杂度达O(n^(3)),单帧耗时长,难以满足实时性需求。通过建立SNR-门限的负相关模型,动态调整空间与速度关联门限,设计Sigmoid权重分配器实现位置与速度特征的智能平衡。展开更多
文摘针对复杂动态场景下毫米波雷达点云目标跟踪的数据关联难题,提出一种融合空间位置、动态速度及信噪比(SNR)的自适应关联算法。传统方法存在两大局限:最近邻(NN)算法在低信噪比(SNR<10 d B)和密集目标场景中误匹配率高;联合概率数据关联(JPDA)算法虽提升精度,但计算复杂度达O(n^(3)),单帧耗时长,难以满足实时性需求。通过建立SNR-门限的负相关模型,动态调整空间与速度关联门限,设计Sigmoid权重分配器实现位置与速度特征的智能平衡。
