基于車載三維激光雷達的車輛檢測與跟蹤.pdf

1、自主車輛是未來智能交通系統(tǒng)的重要組成部分，在改善交通、便利出行等方面具有廣闊的應(yīng)用前景。自主駕駛的基礎(chǔ)是精準的環(huán)境感知，尤其面對復(fù)雜的城市環(huán)境，準確的檢測與跟蹤其他的交通參與者，如行人、車輛等，是環(huán)境感知的基本要求。本文面向智能車輛在復(fù)雜環(huán)境下的自主駕駛需求，以高精度車載三維激光雷達作為傳感器，對交通最主要的參與者——車輛進行實時檢測與跟蹤。
　　本文取得的研究成果和貢獻如下：
　　1、針對傳統(tǒng)分割聚類算法的欠分割和過分割的

2、缺點，本文引入了計算機視覺領(lǐng)域的滑動窗思想，提出了一種新的基于觀測角度的滑動窗模型來快速提取車輛候選區(qū)域。該方法將不同觀測角度的滑動窗模型與雷達數(shù)據(jù)相結(jié)合，對滑動窗模型內(nèi)的雷達數(shù)據(jù)提取具有代表性的弱特征來濾除最不可能是車輛的目標(biāo)。這不僅克服了傳統(tǒng)聚類分割算法常見的過分割與欠分割問題，也處理了由于觀測角度和觀測距離的改變所帶來的目標(biāo)點云分布變化問題。更近一步，本文提出的算法能夠?qū)囕v的姿態(tài)進行估計，為以后車輛跟蹤提供初始值。
　　2

3、、本文首先進行手工標(biāo)注樣本，根據(jù)三維雷達點云的分布特性，按照不同觀測角度和距離對樣本進行分類，然后使用手工標(biāo)注的精準樣本集訓(xùn)練分類器，并對公開數(shù)據(jù)庫進行提純校正，我們將提純后公開數(shù)據(jù)庫樣本與自己標(biāo)注的樣本構(gòu)建了一個新的基于三維點云的車輛數(shù)據(jù)庫；并且針對車輛特性提取了兩個新的特征：沿車長方向的高度輪廓特征和點云數(shù)目特征，該特征與其他常用特征相組合，并采用AdaBoost分類器對不同距離與方位的車輛進行識別，可以獲得令人滿意的結(jié)果。