基于三維激光雷達(dá)的動(dòng)態(tài)車輛檢測(cè)與跟蹤.pdf

1、物體檢測(cè)與跟蹤是移動(dòng)機(jī)器人領(lǐng)域中的核心問(wèn)題之一。作為物體檢測(cè)與跟蹤的重要組成部分，動(dòng)態(tài)車輛檢測(cè)與跟蹤對(duì)自主車環(huán)境感知能力的提高有重要作用。本文以自主車在城市環(huán)境中自主導(dǎo)航為背景，重點(diǎn)研究了基于三維激光雷達(dá)的動(dòng)態(tài)車輛檢測(cè)與跟蹤問(wèn)題。論文的主要成果和創(chuàng)新點(diǎn)如下：
　　(1)提出了兩種新的地面分割算法對(duì)各種地形的三維激光雷達(dá)數(shù)據(jù)進(jìn)行分割，分別是：基于區(qū)域高斯過(guò)程回歸的地面分割算法和基于分塊遞歸高斯過(guò)程回歸的實(shí)時(shí)地面分割算法。基于區(qū)域高斯

2、過(guò)程回歸的地面分割算法主要應(yīng)用于三維笛卡爾坐標(biāo)柵格地圖，該算法使用帶有稀疏協(xié)方差函數(shù)的二維高斯過(guò)程回歸直接對(duì)所有柵格單元中高度最低的三維點(diǎn)進(jìn)行地面建模。在公開(kāi)的波士頓數(shù)據(jù)庫(kù)上，該算法地面分割的準(zhǔn)確率達(dá)到97.90％?；诜謮K遞歸高斯過(guò)程回歸的實(shí)時(shí)地面分割算法將在三維笛卡爾坐標(biāo)柵格地圖中復(fù)雜的、大尺度的二維地面分割問(wèn)題分解為極坐標(biāo)柵格地圖中的多個(gè)低復(fù)雜度的一維回歸問(wèn)題，對(duì)于極坐標(biāo)柵格地圖的每個(gè)扇形塊，分別采用帶有非靜態(tài)協(xié)方差函數(shù)的一維遞歸

3、高斯過(guò)程回歸算法對(duì)相應(yīng)區(qū)域內(nèi)的局部地面進(jìn)行建模。在同樣的數(shù)據(jù)庫(kù)上該算法的準(zhǔn)確率為97.67%，同時(shí)還能夠滿足自主車所必須的實(shí)時(shí)性要求。
　　(2)提出了一種基于迭代高斯過(guò)程回歸的道路邊界檢測(cè)算法來(lái)獲取自主車的感興趣區(qū)域。該算法以三維激光雷達(dá)的每一條掃描線為處理單元提取其中的特征點(diǎn)，然后采用迭代高斯過(guò)程回歸算法根據(jù)提取的特征點(diǎn)自動(dòng)對(duì)直線或曲線道路邊界進(jìn)行建模。本文提出的道路邊界檢測(cè)算法在滿足檢測(cè)精度的情況下能夠檢測(cè)到離自主車50米遠(yuǎn)

4、的道路邊界。為了定量地驗(yàn)證該道路邊界檢測(cè)算法的性能，本文手工標(biāo)記了一個(gè)基于三維激光雷達(dá)的道路邊界數(shù)據(jù)庫(kù)。在該數(shù)據(jù)庫(kù)上使用本文提出的基于迭代高斯過(guò)程回歸的道路邊界檢測(cè)算法，左右道路邊界的正檢率分別達(dá)到78.74%和81.96%。
　　(3)提出了一種新的全局柱坐標(biāo)直方圖特征用于在城市環(huán)境進(jìn)行車輛識(shí)別。該特征以感興趣區(qū)域內(nèi)每個(gè)物體的中心為原點(diǎn)，通過(guò)引入全局坐標(biāo)系來(lái)克服物體繞z軸旋轉(zhuǎn)的不變性，并將柱形支持域內(nèi)的所有三維點(diǎn)按其柱坐標(biāo)進(jìn)行劃

5、分，構(gòu)建三維直方圖。在悉尼城市物體數(shù)據(jù)庫(kù)和我們整理、標(biāo)記的數(shù)據(jù)集上進(jìn)行車輛識(shí)別的ROC曲線驗(yàn)證了新的全局柱坐標(biāo)直方圖特征在車輛識(shí)別上的優(yōu)異性能。
　　(4)提出了一種新的基于似然場(chǎng)模型的動(dòng)態(tài)車輛檢測(cè)與跟蹤算法。該算法首先使用我們提出的基于似然場(chǎng)的車輛觀測(cè)模型結(jié)合改進(jìn)的Scaling Series算法來(lái)估計(jì)感興趣區(qū)域內(nèi)各個(gè)車輛的初始姿態(tài)。在動(dòng)態(tài)車輛檢測(cè)階段，本文改進(jìn)了一種基于二維虛擬幀的三維激光雷達(dá)數(shù)據(jù)表示方式，采用該表示方式的動(dòng)態(tài)

6、車輛檢測(cè)算法能夠檢測(cè)到感興趣區(qū)域內(nèi)在M平面完全被其它物體遮擋，但仍能夠被三維激光雷達(dá)感知到的動(dòng)態(tài)車輛；在跟蹤階段，本文提出了一種新的基于貝葉斯濾波器的變尺寸車輛跟蹤算法，由于引入了不動(dòng)點(diǎn)，該跟蹤算法不僅能在動(dòng)態(tài)背景場(chǎng)景中更新目標(biāo)車輛的姿態(tài)和速度，而且能夠在跟蹤過(guò)程中根據(jù)所關(guān)聯(lián)的觀測(cè)數(shù)據(jù)自動(dòng)更新目標(biāo)車輛的尺寸。在公開(kāi)的KITTI數(shù)據(jù)庫(kù)和在城市、高速公路環(huán)境采集的激光雷達(dá)數(shù)據(jù)上的定量和定性實(shí)驗(yàn)都驗(yàn)證了本文提出的動(dòng)態(tài)車輛檢測(cè)與跟蹤算法的性能。