基于机器学习的单线激光雷达进行车辆识别与跟踪方法研究

发布时间：2024-12-01 04:53

　　 针对多线激光雷达应用于无人驾驶车辆的高额造价问题,提出了一种基于单线激光雷达作为主传感器,并利用机器学习方法实现车辆识别与跟踪任务。首先通过激光雷达扫描并获取空间轮廓数据,对每帧数据采用层次聚类算法进行目标分割;然后对每个目标进行特征提取,通过交叉验证和网格搜索对支持向量机的参数进行优化以实现更好的分类效果,采用卡尔曼滤波实现目标车辆的跟踪;最后在城市公路和高架桥上开展了数据采集的工作,使用了装备单线激光雷达和相机的乘用车作为实验平台,实验结果表明,所提取六种目标车辆特征值组成特征向量并配合参数优化后的支持向量机可以实现较高识别率,并可实现对目标车辆的稳定跟踪。

【文章页数】：7 页

【部分图文】：

图1凝聚层次聚类算法聚类完成后，每一帧数据被分成m段，S={s},s,,s每一段有n个点，并将极坐标系下数

最小距离为：dmin(cj1,cj2)=minpcj1,pcj2p||-p'（1）式中，p||-p'是两个点p和p'之间的距离，cj1,cj2为两个簇，这里给出采用最小距离的凝聚层次聚类算法。在该算法的基础上进行了改进，不仅比较相邻两点之间的距离，同时比较每个点与后两个点之间的距....

图2目标车辆

图3车辆点云数据聚类

间的距离，将一个点作为一簇，如果与下一个点的距离小于阈值，则归为一簇，反之归为另一簇，再与后两个点比较，如果小于阈值则归为一簇，否则归为另一簇，这样可以达到更好的聚类效果，流程图如图1所示。图1凝聚层次聚类算法聚类完成后，每一帧数据被分成m段，S={s}1,s2,,sm每一段有n....

图4传感器安装位置

寸［6］指标可知：大部分车型的后防护杠的高度均在500mm⁶50mm范围之间，同时标定激光雷达距所检测的前方目标车辆距离为20m，这样便可计算出激光雷达的倾斜角度α。激光雷达和相机同时使用，相机安装在车辆正前方，实验过程中，设置激光雷达的角度参数为0°到18....

本文编号：4013566