基于路侧三维激光雷达的车辆检测与追踪方法研究

发布时间：2022-01-27 02:39

　　智能交通技术的发展为交通问题的解决提供了新的有效技术手段。激光雷达技术应用于智能交通中进行信息数据获取,其空间分辨率可达厘米级、时间分辨率可达毫秒级,一定程度上改变了传统交通信息数据获取方式中交通数据的宏观特性,属于微观尺度下的交通信息数据。微观高分辨率交通数据,也是当前自动驾驶和车联网等新模式必不可少的重要组成部分。车辆检测和追踪是获得微观高分辨率交通数据的必要前提,本文利用路侧激光雷达开展车辆检测与追踪方法研究,主要贡献具体描述如下:（1）分析了激光雷达3D点云数据的特点,设计了基于3D点云数据背景滤波算法,能够滤除不同交通道路环境中的背景点和噪声点,保留交通车辆有效点。（2）针对直线道路场景下车辆检测与追踪问题,设计了基于历史多状态联合的车辆检测与追踪算法。车辆检测中,针对部分属于同一辆车的类簇发生异常合并问题,设计了基于特征描述的车辆异常合并算法;车辆追踪中,针对车辆丢失和遮挡问题,设计了以相邻帧为基础的历史多状态联合车辆追踪算法。实验结果表明,该算法在直线道路车辆追踪准确率达87.71%。（3）针对十字路口场景下车辆检测与追踪问题,由于十字路口车辆运动行为相对较为复杂,设计了... 

【文章来源】：苏州大学江苏省211工程院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

VLP-16传感器

VLP-16 实际检测图

2) 由于光的直线传播，可能会出现遮挡情况导致车辆下降，例如图中的 v9，被 v5 和 v10 遮挡，只能检测到描点，会出现首尾不相连的情形，使得车辆在聚类的 2.3 中 v2 所示。

【参考文献】：
期刊论文
[1]基于浮动车数据的快速交通拥堵监控[J]. 吴佩莉,刘奎恩,郝身刚,张全新,谭毓安.  计算机研究与发展. 2014(01)
[2]基于GPS浮动车的交通信息采集方法[J]. 姜桂艳,常安德,吴超腾.  吉林大学学报(工学版). 2010(04)
[3]多类型传感器实时交通数据采集和车型自动分类系统设计[J]. 刘利频,温慧英,徐建闽.  交通与计算机. 2005(01)
[4]汽车最小行车时距计算模型的研究[J]. 项乔君,王炜,李伟.  东南大学学报. 1998(03)

博士论文
[1]智能视频监控下的多目标跟踪技术研究[D]. 李彤.中国科学技术大学 2013

硕士论文
[1]基于机器视觉的车辆检测方法研究[D]. 陈熊.电子科技大学 2016
[2]城市环境基于三维激光雷达的自动驾驶车辆多目标检测及跟踪算法研究[D]. 叶刚.北京理工大学 2016
[3]基于三维激光雷达的实时目标检测[D]. 程健.浙江大学 2014
[4]基于三维激光雷达的运动目标实时检测与跟踪[D]. 杨飞.浙江大学 2012



本文编号：3611596