.png){kind=icon}
返回
Rectangular Geometric Constraints-Based Extended Object Tracking With Rigorous Shape Estimation
.png){kind=icon}
PRE
AI
DOI：10.1109/taes.2026.3712708.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现代高分辨率传感器使得扩展对象跟踪（EOT）能够同时估计运动状态和形状状态。此外，矩形对象（如车辆）在实用应用中具有特殊意义。然而，大多数现有的EOT方法并非针对矩形对象设计，导致形状估计不严格为矩形。少数专门针对矩形的EOT方法由于依赖采样和关联框架，在稀疏测量下存在计算效率低下和不稳定的问题。为解决这些局限性，本文提出了一种基于矩形几何约束（RGC）的EOT方法。首先，我们开发了一个使用定制径向函数并强制执行RGC的测量模型。该模型直接将测量值映射为最小矩形形状参数（长/宽），同时避免了复杂的采样和关联过程。因此，这种表述提高了效率和稳定性。此外，我们的模型具有通用性，适用于三种典型的对象散射情况：完全可观测轮廓、部分可观测轮廓和可观测表面，以考虑各种传感器特性和视角。针对每种情况，我们推导了确保几何严谨性和共轭先验兼容性的似然函数。为处理非线性，实施了一种RGC扩展卡尔曼滤波器（RGC-EKF）用于同时跟踪和形状估计。仿真和实验结果表明，所提出的RGC-EKF不仅实现了低计算复杂度，而且在跟踪精度和形状保真度方面优于现有先进方法，尤其是在稀疏测量条件下。
Keyword:
Extended object tracking (EOT)
rectangular geometric constraints (RGC)
rigorous shape estimation
期刊
IF:
5.7
论文数:
704
被引数:
2.4W
机构
引用论文
.png){kind=icon}
Predictive Maneuver Planning for an Autonomous Vehicle in Public Highway Traffic公共公路交通中自动驾驶汽车的预测机动规划
PREAI
分享收藏
Rectangular Geometric Constraints Based Vehicle Tracking Method for Automotive Radar基于矩形几何约束的车辆跟踪方法用于汽车雷达
PREAI
分享收藏Robust Cognitive Capability in Autonomous Driving Using Sensor Fusion Techniques: A Survey使用传感器融合技术在自动驾驶中的强大认知能力: 一项调查
OAAI
OAAI分享收藏Tracking of extended object or target group using random matrix: new model and approach使用随机矩阵跟踪扩展对象或目标组: 新模型和方法
PREAI
分享收藏Extended Object Tracking assisted Adaptive Clustering for Radar in Autonomous Driving Applications
PREAI
分享收藏
查看更多内容