基于路侧毫米波雷达的群体车辆目标识别与跟踪

摘要

为了提升道路交通流检测精度，本文提出了一种基于路侧毫米波雷达的群体车辆识别与跟踪方法。首先，基于预处理后的城市多车道主干路交通流毫米波雷达检测数据，提出了一种基于高斯核距离的带噪声密度空间聚类（DBSCAN）算法，实现对群体车辆所反射有效雷达信号的时空聚类；其次，提出了一种无迹卡尔曼滤波（UKF）和线性高斯混合概率假设密度（GMPHD）融合算法，以提升非线性运动群体车辆的跟踪精度；最后，在仿真和实际环境中进行算法测试，仿真结果验证了UK-GMPHD算法能够精准、稳定地跟踪非线性运动车辆。实测结果表明：基于核距离的DBSCAN算法能够有效改善经典算法特征向量的调参问题；与GMPHD算法对比，UKGMPHD算法对目标跟踪的距离、速度和角度均方根误差分别减少了21.03%、23.41%和20.67%。

关键词

智能交通 / 毫米波雷达 / 群体车辆 / 目标识别 / 车辆跟踪 / 滤波 / 高斯混合概率假设密度