由于传感器存在误报，漏报以及测量误差，同时也缺乏多目标环境的先验知识，可能多个 Detections 在同一个 Track 的门限内或者一个 Detection 在多个 Tracks 的门限内。如图 6 所示 O1~O4 是 Detections，T1~T3 是 Tracks，因此需要数据关联将 Vision 及 Radar 的探测 Detections 分别与 Tracks 进行关联或新建 Track。

　　图2中Simulink模块对应的数据关联算法即全局-近邻算法，联合概率数据关联，多假设跟踪数据关联。例如全局-近邻（GNN）数据关联算法：将门限内的一个Detection-多与一个Track关联，以使所有关联结果的总代价距离J -小。

　　Cij 表示Detection i 与Track j之间的马氏距离，不同类别的探测目标（例如车辆和行人）之间，可以将其代价距离设置为较大值而不进行关联。对于 2-D GNN 分配问题，可以使用assignmunkres，assignauction，assignjv 等算法进行求解。

　　目标跟踪管理 Track Maintenance

　　根据数据关联的结果，对有 detections 关联的 tracks 进行更新；将没有关联的探测 Detections 开始创建新的 Tracks，且对假设性的 Tracks 进行更新确认；对没有 Detections 关联的 Tracks 进行没有更新的预测或删除。

　　根据使用的关联算法可以选择不同的目标跟踪管理方法：trackerGNN 和 trackerJPDA 可以使用基于历史数据的方法（History Logic）确认，例如某个 Track 在 N 次更新中，至少有M次更新分配了 Detection，则可以确认。trackerGNN 和 trackerTOMHT 可以基于打分的方法（Track Score Logic）进行确认。

　　滤波器 Filtering

　　虽然 Vision 和 Radar 可以对目标运动状态量进行测量，但由于噪声的存在，无法得到真值。实际项目中可以通过滤波对目标状态进行估计，尽量的逼近于真值。卡尔曼滤波根据状态方程和观测方程以递推的方式利用上一时刻的状态预测当前时刻的状态，并通过当前时刻的测量值对预测值进行更新得到当前时刻状态的-小方差估计。

ERNST&ENBRING KABEL 3.0M, YASKAWA, DP9320081-1 

SIMATIC S7-400H, SYNCHRONISIERUN?GS-MODUL V6, 6ES7960-1A

ERNST&ENBRING KABEL 3.0M, YASKAWA, DP9320089-1 

ERNST&ENBRING KABEL 5.0M, YASKAWA, DP9320660-2 

ERNST&ENBRING KABEL 3.0M, YASKAWA, DP9320660-1 

ERNST&ENBRING KABEL 15.0M, YASKAWA, DP9325256-15G 

ERNST&ENBRING KABEL 10.0M, YASKAWA, DP9325256-10G 

ERNST&ENBRING KABEL 5.0M, YASKAWA, DP9325255-05G

SIMATIC S7-300, CPU 314 ZENTRALBAUGRUPP?E, 6ES7314-1AE04

ERNST&ENBRING KABEL 5.0M, YASKAWA, DP9325253-5G 

ERNST&ENBRING KABEL 10.0M, YASKAWA, DP93200089-3

ERNST&ENBRING KABEL 3.0M, YASKAWA, DP9325252-03G

SIMATIC S7-300, CPU 313 ZENTRALBAUGRUPP?E, 6ES7313-1AD03

SIMATIC DP, ELEKTRonIKMODUL 1F-RO, 6ES7138-4FR00-0?AA0

SIMATIC S7-200, CPU 212 KOMPAKTGERAET, 6ES7212-1BA00-0?X

SIMATIC S7-300, SIMULATORBGR. SM 374, 6ES7374-2XH01-0?AA

SCHAFFNER LINE FILTER, FN3258-75-52