對(duì)于一個(gè)MLB的職業(yè)捕手來(lái)說(shuō)，接到一個(gè)高空球似乎是很簡(jiǎn)單的，因?yàn)橹恍枰P(guān)注這一個(gè)球的運(yùn)動(dòng)軌跡。但是，倘若該職業(yè)捕手面對(duì)的是數(shù)百個(gè)飛來(lái)的球而言，此時(shí)似乎不再是一個(gè)簡(jiǎn)單的任務(wù)，而變成了一個(gè)不可能的挑戰(zhàn)。上述的問(wèn)題不單單存在于棒球中，同樣在很多領(lǐng)域中存在，比如Automotiveradar的跟蹤處理。
Automotive radar面對(duì)的場(chǎng)景常常是街道等，大部分時(shí)間存在多個(gè)目標(biāo)，并且伴有目標(biāo)的消失或者是突然出現(xiàn)，除了這些需要進(jìn)一步處理的，還有一些非期望成分，包括了樹(shù)木，建筑物或者是一些交通標(biāo)示，通常會(huì)將這些非期望成分視為雜波并將其濾除。另外一個(gè)問(wèn)題則是Automotive radar中所面對(duì)的目標(biāo)不是簡(jiǎn)單的點(diǎn)目標(biāo)，在之前的文章中有提到過(guò)，
對(duì)于一個(gè)橫穿馬路的行人，其距離向輪廓為點(diǎn)狀，速度向的輪廓?jiǎng)t為擴(kuò)展的輪廓，這是由于行人在橫穿的過(guò)程中其四肢，軀體分別具有不同的速度。另外，縱向（向前）運(yùn)動(dòng)的車輛，在距離向具有擴(kuò)展的輪廓，速度向則為點(diǎn)狀的輪廓。
這些特點(diǎn)有利于跟蹤處理中的目標(biāo)區(qū)別。另外，在進(jìn)行跟蹤處理中還需要考慮應(yīng)用中的實(shí)際問(wèn)題，比如處理的周期需要盡可能的短，因?yàn)樵诜琅鲎哺婢屑皶r(shí)報(bào)警是非常關(guān)鍵的。
在獲取了目標(biāo)的可靠信息后，此時(shí)便具有了關(guān)于目標(biāo)的距離，速度和角度信息。下面就需要對(duì)這些數(shù)據(jù)進(jìn)行處理，以便得到目標(biāo)的運(yùn)動(dòng)狀況等，我們需要知道當(dāng)前目標(biāo)在下一時(shí)間時(shí)會(huì)位于何處，存在怎樣的運(yùn)動(dòng)。對(duì)于目標(biāo)下一時(shí)刻的運(yùn)動(dòng)估計(jì)方法通常為線性或者擴(kuò)展的Kalman濾波，其他的跟蹤濾波器包括了多假設(shè)跟蹤，固定增益的kalman濾波，以及α-β濾波器。
Automotive radar的跟蹤處理中一個(gè)主要的部分便是數(shù)據(jù)的關(guān)聯(lián)部分，并且常常需要對(duì)軌跡進(jìn)行管理，需要制定相應(yīng)的規(guī)則，何時(shí)可以新建一條軌跡，何時(shí)需要?jiǎng)h除掉錯(cuò)誤的軌跡。
一般在進(jìn)行數(shù)據(jù)關(guān)聯(lián)前，需要對(duì)含有目標(biāo)的數(shù)據(jù)做一些預(yù)處理，將其中的非期望數(shù)據(jù)剔除，減小環(huán)境中非期望目標(biāo)的影響。剔除的方法通?？梢岳媚繕?biāo)的速度進(jìn)行判斷，另外其他的一些預(yù)處理包括了距離的限制，以及角度范圍的限制，只對(duì)有效區(qū)域進(jìn)行處理。為了獲得關(guān)于目標(biāo)相對(duì)真實(shí)的速度和角度信息，當(dāng)本車在運(yùn)動(dòng)的過(guò)程中，在對(duì)數(shù)據(jù)進(jìn)行處理時(shí)也要考慮本車的行駛速度和曲率等因素。
在進(jìn)行完數(shù)據(jù)的預(yù)處理后，下一步需要對(duì)提取非期望目標(biāo)后的目標(biāo)，包括了其他車輛，行人等目標(biāo)進(jìn)行處理。前面提到的行人和行駛中的車輛在距離向和速度向上不完全為點(diǎn)狀輪廓，因此，需要屬于同一個(gè)真實(shí)目標(biāo)的多個(gè)目標(biāo)數(shù)據(jù)進(jìn)行聚類，聚類可以采用建立相應(yīng)的距離，速度和角度門進(jìn)行判斷，落入同一特定區(qū)域的目標(biāo)可視為同一目標(biāo)。
數(shù)據(jù)關(guān)聯(lián)采用的方法為匈牙利算法，其解決了最佳的人員調(diào)配問(wèn)題，同樣這種思想可以被使用在雷達(dá)跟蹤處理中。利用這種方法得到目標(biāo)位置與估計(jì)之間的
最佳匹配。在進(jìn)行關(guān)聯(lián)后，需要對(duì)軌跡和狀態(tài)進(jìn)行更新和管理，之后便可利用Kalman濾波進(jìn)行跟蹤處理。
之前寫(xiě)過(guò)一篇關(guān)于多目標(biāo)的跟蹤處理，限于時(shí)間和精力只是做了個(gè)簡(jiǎn)述，為了將這個(gè)部分將的更加豐富，這里計(jì)劃對(duì)這里的多目標(biāo)跟蹤處理做個(gè)小專欄，分為幾篇，關(guān)于kalman和本文中涉及到的匈牙利算法后面專門對(duì)其分別進(jìn)行介紹。
題圖：RyanMcGuire，from Pixabay
