Print

智能驾驶中点云目标快速检测与跟踪

论文摘要

利用实时车载激光点云,实现城市环境下的多目标快速检测与跟踪。动态目标跟踪是实现城市环境下自动驾驶的关键,是三维城市场景感知的研究难点。相比于图像,三维激光点云数据更适合用于目标三维形状估计和运动预测,所以广泛应用于无人驾驶方案中。使用基于目标模型和卡尔曼滤波的目标跟踪框架,针对稀疏点云数据中常见的过分割和欠分割问题,提出一种关联历史跟踪结果和目标检测的快速跟踪算法。将跟踪结果作为先验知识,与下一时刻的目标检测关联,增强目标检测的稳定性。该算法已经应用到搭载三维激光扫描仪的自动驾驶汽车中,实验证明,该算法适用于城市交通场景,且满足实时解算需求,单帧处理平均耗时58 ms。

论文目录

  • 1 多目标检测与跟踪算法
  •   1.1 跟踪系统框架
  •   1.2 快速目标检测
  •   1.3 数据关联与跟踪管理
  • 2 几何与运动模型
  •   2.1 点盒几何模型
  •   2.2 匀加速运动模型
  • 3 智能驾驶真实场景实验与分析
  •   3.1 正确率与稳定性分析
  •   3.2 时间效率分析
  • 4 结 语

    • 文章来源

    类型: 期刊论文

    作者: 叶语同,李必军,付黎明

    关键词: 动态目标跟踪,激光点云,卡尔曼滤波,城市环境,自动驾驶

    来源: 武汉大学学报(信息科学版) 2019年01期

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑

    专业: 汽车工业

    单位: 武汉大学测绘遥感信息工程国家重点实验室,武汉大学时空数据智能获取技术与应用教育部工程研究中心

    基金: 国家自然科学基金(41671441),国家自然科学基金重点项目(41531177)~~

    分类号: U463.6

    DOI: 10.13203/j.whugis20170146

    页码: 139-144+152

    总页数: 7

    文件大小: 2511K

    下载量: 716

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/700b41dc40af35b42ce45533.html