基于激光雷达的三维目标跟踪算法研究.pdfVIP

摘要

随着目标检测与跟踪理论的研究及其技术的进一步发展，目标跟踪技术应用场景广

泛。对于许多视觉应用，例如自动驾驶和机器人碰撞预测，目标跟踪都是必不可少的组件

技术。目前，针对二维目标跟踪的研究已经取得巨大进展并进入发展平缓期，而针对三维

目标跟踪的研究还方兴未艾。三维目标跟踪与二维的分类方法一样，同样包括单目标跟踪

和多目标跟踪两大类别。

对于三维多目标跟踪来说，由于深度学习的研究近年取得了很大进步，目前大多数算

法都是基于深度学习的架构，另一些是基于传统的滤波框架。然而，完全端到端的方法面

临着低精度和泛化能力差的问题，虽然基于滤波的方法可以达到更好的效果和更高的实

时性，但是这些方法很难被赋予最优的参数，并且经常在一些变化剧烈的场景中失效。本

文针对上述目前三维多目标跟踪算法存在的缺陷，提出了结合深度学习预测与传统匹配

算法的研究路线，改善了上述问题。针对三维单目标跟踪的研究，目前的先进方法主要存

在计算成本高，实时性差的问题，本文为此设计了一种低计算成本的基于图分割的跟踪方

法。在此之上，将其与其他模块结合起来实现了目标跟随的效果。本文主要的创新点为：

1．提出了应用于激光雷达的基于场景流估计的三维多目标跟踪框架，是第一个提出将

基于学习的场景流估计应用于多目标跟踪领域的方法。利用了基于学习的运动预测

模块提升了三维空间中物体级别的位置预测能力，避免了传统滤波算法中固有的单

一运动模型和需要重复调参的问题。同时在相同数据集配置的情况下可以实现有竞

争力的效果，并且在一些具有挑战性的场景下也能维持性能，而别的方法会失败。

2．提出了应用于激光雷达的基于图分割的三维单目标跟踪算法，与目前流行的跟踪研

究路线不同，经过初始化步骤后无需模板进行匹配，具有抗遮挡的能力，并且在移

动设备上可以实现很高的实时性。在该算法的基础上，为了增强抗平台瞬时干扰的

能力，又提出了两种更加鲁棒的算法，分别是基于点云位姿补偿的跟踪算法和基于

惯性测量元件进行位姿补偿的算法，两种算法同样具有高实时性。

3．提出了移动机器人的动态目标跟随系统，该系统将所提单目标跟踪算法与定位建图、

障碍检测和路径规划等模块结合起来，可以部署在不同动力学特性的移动机器人上，

该系统在实际测试中实现了实时且鲁棒的目标跟随的效果，能够适应多种复杂地形

和遮挡环境。

IH

摘要浙江大学硕士学位论文

关键词：多目标跟踪；单目标跟踪，目标跟随

IV

AbstraCt

has

WiththefunherofdetectionaIlda

deVelopmentobjecttrackingtheory，objecttrackjng

wideVisionasautonOmOus

rangem锄y

OfapplicatiOnscenariOs．Forexample，inapplicatiOns，such

aIldisanessentialcom-

collisionVideoface

driVing，robotpredictionaⅡgnnlent，objecttraI瞄ng

hasthe