基于三維激光雷達(dá)的動(dòng)態(tài)車輛檢測與跟蹤.pdf

1、物體檢測與跟蹤是移動(dòng)機(jī)器人領(lǐng)域中的核心問題之一。作為物體檢測與跟蹤的重要組成部分，動(dòng)態(tài)車輛檢測與跟蹤對自主車環(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)車輛檢測與跟蹤問題。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)域高斯過程回歸的地面分割算法和基于分塊遞歸高斯過程回歸的實(shí)時(shí)地面分割算法?；趨^(qū)域高斯

2、過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)的二維高斯過程回歸直接對所有柵格單元中高度最低的三維點(diǎn)進(jìn)行地面建模。在公開的波士頓數(shù)據(jù)庫上，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)雜度的一維回歸問題，對于極坐標(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、高斯過程回歸算法對相應(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程回歸的道路邊界檢測算法來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程回歸算法根據(jù)提取的特征點(diǎn)自動(dòng)對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算法在滿足檢測精度的情況下能夠檢測到離自主車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。在該數(shù)據(jù)庫上使用本文提出的基于迭代高斯過程回歸的道路邊界檢測算法，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)，通過引入全局坐標(biāo)系來克服物體繞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)庫和我們整理、標(biāo)記的數(shù)據(jù)集上進(jìn)行車輛識別的ROC曲線驗(yàn)證了新的全局柱坐標(biāo)直方圖特征在車輛識別上的優(yōu)異性能。
　　(4)提出了一種新的基于似然場模型的動(dòng)態(tài)車輛檢測與跟蹤算法。該算法首先使用我們提出的基于似然場的車輛觀測模型結(jié)合改進(jìn)的Scaling Series算法來估計(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、車輛檢測算法能夠檢測到感興趣區(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)背景場景中更新目標(biāo)車輛的姿態(tài)和速度，而且能夠在跟蹤過程中根據(jù)所關(guān)聯(lián)的觀測數(shù)據(jù)自動(dòng)更新目標(biāo)車輛的尺寸。在公開的KITTI數(shù)據(jù)庫和在城市、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)車輛檢測與跟蹤算法的性能。