多雷达融合的智能车辆目标跟踪方法研究
发布时间：2021-08-23 12:08
在现有智能车辆目标跟踪算法中,数据关联和状态估计是两个难点。一方面,数据关联过程只考虑目标位置、速度等运动参量,在复杂环境下容易发生错误关联;另一方面,传统状态估计方法中的点目标滤波模型无法完整描述目标运动过程。因此,研究稳定性良好且能适应实际环境的智能车辆目标跟踪方法具有理论意义和实际价值。针对数据关联问题,本文从提高运动目标识别准确率出发,首先建立智能车辆局部栅格地图,并对栅格地图进行闭运算处理,以便更准确的进行栅格聚类和提取目标矩形轮廓;然后利用激光雷达原始数据进行道路边沿检测,限定道路可通行区域;接着基于目标形状特征、运动特征和道路可通行区域三种约束条件识别运动目标,剔除静止目标,以此降低运动目标误检率;最后,基于最优分配原理,将目标特征信息引入量测与轨迹关联过程,以此改善数据关联结果并提高算法实时性。为完善目标滤波模型,本文考虑目标运动过程中的特征信息变化,提出点目标和扩展目标混合跟踪方法。该方法首先根据目标扩展特征大小以及目标距离将运动目标分类为点目标和扩展目标;接着建立相应状态空间模型分别描述不同类型目标;然后基于Kalman滤波框架建立点目标和扩展目标混合跟踪滤波器,在...
【文章来源】：重庆邮电大学重庆市
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
IBEO多层扫描示意图
联、状态估计方法，描述了典型方法的基本原理。2.1 激光雷达技术激光雷达作为智能车辆环境感知系统中必不可少的传感器，其在障碍物距离探测、环境地图构建等方面都有重要应用。本文选择德国 IBEO 公司生产的型号为IBEO-LUX 四线激光雷达，下面对其原理及性能参数进行详细介绍。IBEO-LUX 型四线激光雷达可同时在四个扫描层进行扫描，垂直角度范围为3.2゜，如图 2.1 所示。其水平扫描范围可以达到 110゜(-60゜~50゜)，IBEO 雷达设计了独特的可变水平角度分辨率功能，即在其水平扫描范围的不同区域内具有不同的角度分辨率，具体如图 2.2 所示，区域 1 为雷达中心区域，角度分辨率最高为 0.125゜，区域 2 角度分辨率为 0.25゜，区域 3 角度分辨率为 0.5゜。
如果超过某一阈值，则判断该栅格为“占据”状态，反之为“”状态。基于栅格地图目标检测的首要目标是进行栅格聚类，将相邻状态为“占据栅格聚为一个整体，然后根据相应的概率推理判断该聚类区域是否为障碍物.2.4 路沿检测道路边沿是道路可通行区域和非通行区域的分界，智能车辆作为交通参与须遵循交通规则而行驶在道路可通行区域内，有效检测并提取道路边沿能保能车辆在可通行区域内安全行驶，进一步为路径规划、车辆控制等上层任务可靠依据[44]，也可以提高环境感知系统运动目标检测的效率和准确率[45,46]。来说，基于激光雷达的道路边沿检测具体步骤如图 2.3 所示。
【参考文献】：
期刊论文
[1]Multiple hypothesis tracking based on the Shiryayev sequential probability ratio test[J]. Jinbin FU,Jinping SUN,Songtao LU,Yingjing ZHANG. Science China（Information Sciences）. 2016(12)
[2]基于道路形态分析的道路边界提取[J]. 刘健,梁华为,梅涛,王智灵,吴毅华,杜明博,邓耀. 机器人. 2016(03)
[3]基于栅格地图的智能车辆运动目标检测[J]. 周俊静,段建民. 系统工程与电子技术. 2015(02)
[4]基于马尔可夫链的轨迹预测[J]. 彭曲,丁治明,郭黎敏. 计算机科学. 2010(08)
[5]基于激光雷达的车辆跟踪与识别方法[J]. 甘志梅,王春香,杨明. 上海交通大学学报. 2009(06)
博士论文
[1]无人驾驶汽车动态障碍物避撞关键技术研究[D]. 黄如林.中国科学技术大学 2017
[2]基于激光雷达的智能车辆目标识别与跟踪关键技术研究[D]. 周俊静.北京工业大学 2014
硕士论文
[1]基于条带划分的机载激光雷达点云数据的建筑物提取[D]. 孙亚峰.吉林大学 2011
本文编号：3357836
【文章来源】：重庆邮电大学重庆市
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
IBEO多层扫描示意图
联、状态估计方法，描述了典型方法的基本原理。2.1 激光雷达技术激光雷达作为智能车辆环境感知系统中必不可少的传感器，其在障碍物距离探测、环境地图构建等方面都有重要应用。本文选择德国 IBEO 公司生产的型号为IBEO-LUX 四线激光雷达，下面对其原理及性能参数进行详细介绍。IBEO-LUX 型四线激光雷达可同时在四个扫描层进行扫描，垂直角度范围为3.2゜，如图 2.1 所示。其水平扫描范围可以达到 110゜(-60゜~50゜)，IBEO 雷达设计了独特的可变水平角度分辨率功能，即在其水平扫描范围的不同区域内具有不同的角度分辨率，具体如图 2.2 所示，区域 1 为雷达中心区域，角度分辨率最高为 0.125゜，区域 2 角度分辨率为 0.25゜，区域 3 角度分辨率为 0.5゜。
如果超过某一阈值，则判断该栅格为“占据”状态，反之为“”状态。基于栅格地图目标检测的首要目标是进行栅格聚类，将相邻状态为“占据栅格聚为一个整体，然后根据相应的概率推理判断该聚类区域是否为障碍物.2.4 路沿检测道路边沿是道路可通行区域和非通行区域的分界，智能车辆作为交通参与须遵循交通规则而行驶在道路可通行区域内，有效检测并提取道路边沿能保能车辆在可通行区域内安全行驶，进一步为路径规划、车辆控制等上层任务可靠依据[44]，也可以提高环境感知系统运动目标检测的效率和准确率[45,46]。来说，基于激光雷达的道路边沿检测具体步骤如图 2.3 所示。
【参考文献】：
期刊论文
[1]Multiple hypothesis tracking based on the Shiryayev sequential probability ratio test[J]. Jinbin FU,Jinping SUN,Songtao LU,Yingjing ZHANG. Science China（Information Sciences）. 2016(12)
[2]基于道路形态分析的道路边界提取[J]. 刘健,梁华为,梅涛,王智灵,吴毅华,杜明博,邓耀. 机器人. 2016(03)
[3]基于栅格地图的智能车辆运动目标检测[J]. 周俊静,段建民. 系统工程与电子技术. 2015(02)
[4]基于马尔可夫链的轨迹预测[J]. 彭曲,丁治明,郭黎敏. 计算机科学. 2010(08)
[5]基于激光雷达的车辆跟踪与识别方法[J]. 甘志梅,王春香,杨明. 上海交通大学学报. 2009(06)
博士论文
[1]无人驾驶汽车动态障碍物避撞关键技术研究[D]. 黄如林.中国科学技术大学 2017
[2]基于激光雷达的智能车辆目标识别与跟踪关键技术研究[D]. 周俊静.北京工业大学 2014
硕士论文
[1]基于条带划分的机载激光雷达点云数据的建筑物提取[D]. 孙亚峰.吉林大学 2011
本文编号：3357836
本文链接：https://www.wllwen.com/kejilunwen/wltx/3357836.html
