测量驱动动态基点调整高斯过程扩展目标跟踪算法

沈佳适¹ ，徐梦蝶² ，杨超群¹

（1. 东南大学 自动化学院，南京 210096；2. 上海交通大学 自动化与感知学院，上海 200240） 

摘要：扩展目标在尺寸、轮廓形状和结构特征方面存在显著差异，并且在不同传感器视角下表现出动态变化的特征，这给扩展目标跟踪（ETT）带来了重大挑战。然而，目前缺乏一种能够平衡形状估计精度和模型复杂度的通用扩展目标跟踪框架。因此，本文基于高斯过程理论，研究了根据目标形状信息分布自适应调整测量模型，并提出了一种测量驱动的扩展目标跟踪算法。所提出的算法利用实时测量密度的分布特征来捕捉目标的形状信息，并设计了一种策略来动态调整基点的数量和位置，从而更有效地表示目标的复杂形状。仿真结果表明：所提出的算法仅使用现有算法三分之一数量的基点，就显著提高了扩展目标的估计精度，为平衡扩展目标跟踪的精度和复杂度提供了有效的解决方案。

关键词： 高斯过程，扩展目标跟踪，测量驱动算法，基点，信息融合

扫二维码浏览全文  

Cite this article

Shen, J., Xu, M. & Yang, C. Measurement-Driven Dynamic Basis Point-Adjusted Gaussian Process Algorithm for Extended Target Tracking. J. Shanghai Jiaotong Univ. (Sci.) (2026). https://doi.org/10.1007/s12204-026-2909-x