基于激光点云的动态目标实时跟踪技术研究
发布时间：2021-08-08 20:17
为了减轻交通压力、改善交通环境、提高交通安全,人们开始在无人驾驶方面进行了大量的研究,其中在无人驾驶的目标跟踪方面,为了及时准确地判断目标的运动情况,通常选择摄像头、毫米波雷达、激光雷达等设备进行信息采集,其中激光雷达因测量精度高、环境适应能力强等特点被作为最主要的信息采集设备之一。本文通过激光雷达进行目标信息采集,在其扫描数据的基础上进行目标跟踪等相关研究,其主要研究内容如下:在目标检测过程,首先采用Voxel Grid滤波器对点云数据进行降采样,保证点云特征不变的情况下减少点云密度,然后采用平面拟合算法对地面点云进行分割去除,采用统计滤波器对点云进行噪声点去除,为了更准确地对处理后的点云进行聚类,提出了一种改进的聚类算法,即在欧式聚类算法的基础上引入了不同区域设定不同聚类半径阈值的方法,并针对人和汽车相临近时容易聚为一类的情况引入反射强度进行判断。在目标跟踪过程,为了能够更好地估计目标状态,本文在粒子滤波算法的基础上,结合正则化思想和无损卡尔曼滤波提出了一种改进的粒子滤波算法,即在重要性密度函数选择上采用无损卡尔曼滤波进行状态更新,在粒子重采样过程中采用正则化步骤优化粒子的重采样,...
【文章来源】：山东理工大学山东省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
004-2018年美国交通事故死亡人数统计
山东理工大学硕士学位论文第二章基于激光雷达的目标检测与跟踪13然后根据角度及测量距离信息获取激光点云中每点的三维坐标信息。2.2基于激光点云的目标检测在获取激光雷达扫描的数据后，需要对其内部数据进行检测，其检测是为了能够判断出哪些障碍物是需要研究的对象，如汽车、行人等，哪些障碍物是不需要研究的对象，如树木、建筑物等。通过一系列操作对扫描数据进行处理，从而可以对扫描数据中的研究对象进行标识，使得后续的目标跟踪对跟踪对象有一定的针对性，使得目标跟踪更加准确实时。从激光雷达采集的数据中随机选择一帧，对其进行可视化操作，如图2.4所示，从图中我们可以看出，该图存在很多个点，这些点按照一定的规律进行排列存在，根据其特征可以对其进行辨别，图中上方有很多辆汽车，这些汽车并排排列，在汽车下方的区域，分别为道路、道路两旁的树木和在道路上的行人，除了这些可以辨识的点，图中还有一些无法辨识的点，这些点就是激光雷达自身和外界干扰产生的噪声点。图2.4激光点云数据图Fig.2.4Laserpointclouddatamap在激光雷达采集的扫描数据中，地面的离散点数量居多且不是目标检测跟踪的主要目标，这些离散点不仅会增长计算时间，还会影响目标实时跟踪；激光雷达的扫描距离很远，但在数据显示中可以看出较远的扫描数据特征不是那么明显，其一定范围外的离散点很难进行精确判断且延长程序运行；在实际的行驶过程中，运动载体两侧的行驶情况只需要考虑附近五米到十米范围内，无需与前后方的扫描范围一样，其两侧一定范围外的离散点不需要判断且增加计算量。通过上述问题可以看出，扫描数据中的相关离散
无损变换
【参考文献】：
期刊论文
[1]无人驾驶车穿街走巷见证“未来已来”[J]. 曹国厂,苏晓洲,王昕怡. 人民交通. 2020(03)
[2]基于三维激光点云的目标识别与跟踪研究[J]. 徐国艳,牛欢,郭宸阳,苏鸿杰. 汽车工程. 2020(01)
[3]美国自动驾驶汽车的立法现状[J]. 刘芳. 中国中小企业. 2019(12)
[4]基于激光点云全局特征匹配处理的目标跟踪算法[J]. 钱其姝,胡以华,赵楠翔,李敏乐,邵福才. 激光与光电子学进展. 2020(06)
[5]智能驾驶车载激光雷达关键技术与应用算法[J]. 陈晓冬,张佳琛,庞伟凇,艾大航,汪毅,蔡怀宇. 光电工程. 2019(07)
[6]2019上半年全国机动车保有量达3.4亿辆[J]. 商讯. 商用汽车. 2019(07)
[7]基于改进进化匈牙利的多目标跟踪算法研究[J]. 李炯,李建市,冯明月,朱愿. 军事交通学院学报. 2019(06)
[8]三维激光雷达在无人车环境感知中的应用研究[J]. 张银,任国全,程子阳,孔国杰. 激光与光电子学进展. 2019(13)
[9]一种城市环境三维点云配准的预处理方法[J]. 赵凯,徐友春,王任栋. 光电工程. 2018(12)
[10]基于复合动态模型和证据融合架构的移动物体检测与跟踪方法[J]. 程蔚,吴海彬,郑洪庆. 计算机应用研究. 2019(10)
硕士论文
[1]城区环境下基于激光雷达的障碍物聚类和跟踪方法研究[D]. 张彩红.中国科学技术大学 2019
[2]基于激光雷达的道路信息提取及目标跟踪算法研究[D]. 李帅印.北京工业大学 2019
[3]基于车载激光雷达的目标识别方法研究[D]. 王旭.山东理工大学 2019
[4]基于单线激光雷达的障碍物检测与跟踪研究[D]. 庄秀华.湖南大学 2014
本文编号：3330613
【文章来源】：山东理工大学山东省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
004-2018年美国交通事故死亡人数统计
山东理工大学硕士学位论文第二章基于激光雷达的目标检测与跟踪13然后根据角度及测量距离信息获取激光点云中每点的三维坐标信息。2.2基于激光点云的目标检测在获取激光雷达扫描的数据后，需要对其内部数据进行检测，其检测是为了能够判断出哪些障碍物是需要研究的对象，如汽车、行人等，哪些障碍物是不需要研究的对象，如树木、建筑物等。通过一系列操作对扫描数据进行处理，从而可以对扫描数据中的研究对象进行标识，使得后续的目标跟踪对跟踪对象有一定的针对性，使得目标跟踪更加准确实时。从激光雷达采集的数据中随机选择一帧，对其进行可视化操作，如图2.4所示，从图中我们可以看出，该图存在很多个点，这些点按照一定的规律进行排列存在，根据其特征可以对其进行辨别，图中上方有很多辆汽车，这些汽车并排排列，在汽车下方的区域，分别为道路、道路两旁的树木和在道路上的行人，除了这些可以辨识的点，图中还有一些无法辨识的点，这些点就是激光雷达自身和外界干扰产生的噪声点。图2.4激光点云数据图Fig.2.4Laserpointclouddatamap在激光雷达采集的扫描数据中，地面的离散点数量居多且不是目标检测跟踪的主要目标，这些离散点不仅会增长计算时间，还会影响目标实时跟踪；激光雷达的扫描距离很远，但在数据显示中可以看出较远的扫描数据特征不是那么明显，其一定范围外的离散点很难进行精确判断且延长程序运行；在实际的行驶过程中，运动载体两侧的行驶情况只需要考虑附近五米到十米范围内，无需与前后方的扫描范围一样，其两侧一定范围外的离散点不需要判断且增加计算量。通过上述问题可以看出，扫描数据中的相关离散
无损变换
【参考文献】：
期刊论文
[1]无人驾驶车穿街走巷见证“未来已来”[J]. 曹国厂,苏晓洲,王昕怡. 人民交通. 2020(03)
[2]基于三维激光点云的目标识别与跟踪研究[J]. 徐国艳,牛欢,郭宸阳,苏鸿杰. 汽车工程. 2020(01)
[3]美国自动驾驶汽车的立法现状[J]. 刘芳. 中国中小企业. 2019(12)
[4]基于激光点云全局特征匹配处理的目标跟踪算法[J]. 钱其姝,胡以华,赵楠翔,李敏乐,邵福才. 激光与光电子学进展. 2020(06)
[5]智能驾驶车载激光雷达关键技术与应用算法[J]. 陈晓冬,张佳琛,庞伟凇,艾大航,汪毅,蔡怀宇. 光电工程. 2019(07)
[6]2019上半年全国机动车保有量达3.4亿辆[J]. 商讯. 商用汽车. 2019(07)
[7]基于改进进化匈牙利的多目标跟踪算法研究[J]. 李炯,李建市,冯明月,朱愿. 军事交通学院学报. 2019(06)
[8]三维激光雷达在无人车环境感知中的应用研究[J]. 张银,任国全,程子阳,孔国杰. 激光与光电子学进展. 2019(13)
[9]一种城市环境三维点云配准的预处理方法[J]. 赵凯,徐友春,王任栋. 光电工程. 2018(12)
[10]基于复合动态模型和证据融合架构的移动物体检测与跟踪方法[J]. 程蔚,吴海彬,郑洪庆. 计算机应用研究. 2019(10)
硕士论文
[1]城区环境下基于激光雷达的障碍物聚类和跟踪方法研究[D]. 张彩红.中国科学技术大学 2019
[2]基于激光雷达的道路信息提取及目标跟踪算法研究[D]. 李帅印.北京工业大学 2019
[3]基于车载激光雷达的目标识别方法研究[D]. 王旭.山东理工大学 2019
[4]基于单线激光雷达的障碍物检测与跟踪研究[D]. 庄秀华.湖南大学 2014
本文编号：3330613
本文链接：https://www.wllwen.com/kejilunwen/qiche/3330613.html
