融合相機(jī)和激光雷達(dá)的行人檢測與跟蹤算法研究.pdf

1、行人檢測是自主車環(huán)境感知系統(tǒng)中極其關(guān)鍵的工作?，F(xiàn)在的基于視覺的行人檢測雖然已經(jīng)取得了很好的檢測效果，然而，彩色相機(jī)對光照和陰影比較敏感，同時(shí)不能提供精確的位置信息，難以滿足自主駕駛?cè)蝿?wù)的需要。因此本文融合圖像和激光雷達(dá)完成行人檢測與跟蹤任務(wù)，降低行人檢測中對單傳感器檢測效果的依賴，同時(shí)實(shí)現(xiàn)穩(wěn)定的行人跟蹤。本文完成的主要工作包括：
　　1.實(shí)驗(yàn)分析了訓(xùn)練一個行人分類器的三個方面，即特征、分類器以及訓(xùn)練樣本，為分類器的訓(xùn)練提供了指導(dǎo)，

2、并根據(jù)車載相機(jī)的特點(diǎn)，提出了基于相機(jī)投影約束的訓(xùn)練與檢測框架。同時(shí)，針對單模板分類器的缺點(diǎn)，從特征空間及人工經(jīng)驗(yàn)兩個角度對行人進(jìn)行分類并訓(xùn)練多個行人子模型，顯著提高了檢測效果。本章提出的算法在我們建立的行人數(shù)據(jù)庫中進(jìn)行了性能測試和對比，實(shí)驗(yàn)結(jié)果顯示該方法達(dá)到了6.06％的平均丟失率，并應(yīng)用于實(shí)際的無人駕駛車輛環(huán)境感知系統(tǒng)。
　　2.提出了一種新的加入局部模型約束的行人檢測問題的描述方法。在形式化描述行人軀干與行人局部位置關(guān)系后，我

3、們將行人得分分解為檢測得分和位置約束得分，并將最終的檢測問題轉(zhuǎn)化為一個最大化全圖行人得分的問題，最后使用匈牙利算法進(jìn)行求解。
　　3.提出了一種融合圖像與激光雷達(dá)的行人檢測與跟蹤框架。本框架中，將雷達(dá)分割作為弱分類器，將基于視覺的行人分類器作為強(qiáng)分類器，結(jié)合雷達(dá)的前后幀關(guān)聯(lián)結(jié)果整合多幀檢測信息，最終的行人檢測結(jié)果則是由多幀多傳感器檢測結(jié)果以投票策略共同給出。實(shí)車實(shí)驗(yàn)表明本章提出的融合框架能給出穩(wěn)定的檢測與跟蹤結(jié)果，對于視覺上行人漏