Связь траекторий (track-to-track association, T2TA), направленная на унификацию номеров траекторий и сокращение избыточности, является предпосылкой и основой для слияния траекторий и ситуационной осведомленности. В настоящее время T2TA сталкивается с двумя основными проблемами: данными траекторий и методами ассоциации. Распространенные проблемы выражаются в ошибках данных траекторий и несогласованных периодах обновления, а также в неоптимальных результатах ассоциации и зависимости от априорной информации и предполагаемых моделей движения в методах ассоциации. Для этого предложен многогипотетический алгоритм ассоциации мультисенсорных траекторий на основе интеллектуального ранжирования траекторий (MH-T2TA). Разработан пространственно-временной модуль регистрации на основе само-внимания и контрастивного обучения для устранения ошибок и унификации асинхронного распределения траекторий. Объединение многогипотетического алгоритма с глубоким обучением позволяет без зависимости от априорной информации и моделей движения оценивать рейтинг ассоциации пары траекторий для получения оптимального соответствия. Под ограничениями трех функций потерь траектории одного объекта сближаются, траектории разных объектов удаляются, а оцененный рейтинг ассоциации очень близок к истинному. Экспериментальные результаты показывают, что MH-T2TA способен выполнять ассоциацию траекторий в сложных сценариях и превосходит другие методы T2TA.

ассоциация траектория-траектория; многогипотетический алгоритм; рейтинг траекторий; нейронные сети