智能驾驶中点云目标快速检测与跟踪-武汉大学学报·信息科学版.PDFVIP

第 卷 第 期 武 汉 大 学 学 报 ·信 息 科 学 版 ４４ １ Ｖｏｌ．４４Ｎｏ．１ 年 月 ２０１９ １ ＧｅｏｍａｔｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔ Ｊａｎ．２０１９ ｙ ： ／ 文章编号： （ ） 犇犗犐１０．１３２０３ ．ｗｈｕｉ １６７１８８６０２０１９０１０１３９０６ ｊ ｇ 智能驾驶中点云目标快速检测与跟踪 ， １ １ ２ １ 叶语同 李必军 付黎明 　 　 武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉， １ ４３００７９ 　 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，湖北 武汉， ２ ４３００７９ 　 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５８ｍｓ。 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 中图分类号： 文献标志码： Ｐ２３７．３ Ａ 　　　　　 城市交通场景下的动态目标跟踪对于自动驾 学者们已经提出了很多目标跟踪算法。但大 　　 驶技术的研究至关重要。跟踪系统识别同一 目 多数算法都是把目标跟踪问题细化为目标检测、 ［ ］ 标，解算得到连续平滑的轨迹并预测目标的运动 数据关联以及目标模型更新 １５ ３个子问题。传统 趋势。高智能化的驾驶决策（如避障、超车、跟车 的目标跟踪采用先检测后跟踪的两步法跟踪策 等）都依赖于对运动目标的识别与跟踪，对周围道 略，跟踪稳定的必要条件是能准确持续地检测目 路参与者的认知也是无人驾驶汽车友好融入交通 标。然而，点云数据因频繁受到遮挡，或观测视角 ［］ １ 环境的前提 。目前，人们已使用各类传感器来 变化的影响，常出现过分割和欠分割，目标点云检 实现动态场景下的多目标检测与跟踪，如单目相 测结