智能交通技術的發(fā)展為交通問題的解決提供了新的有效技術手段。激光雷達技術應用于智能交通中進行信息數(shù)據(jù)獲取,其空間分辨率可達厘米級、時間分辨率可達毫秒級,一定程度上改變了傳統(tǒng)交通信息數(shù)據(jù)獲取方式中交通數(shù)據(jù)的宏觀特性,屬于微觀尺度下的交通信息數(shù)據(jù)。微觀高分辨率交通數(shù)據(jù),也是當前自動駕駛和車聯(lián)網(wǎng)等新模式必不可少的重要組成部分。車輛檢測和追蹤是獲得微觀高分辨率交通數(shù)據(jù)的必要前提,本文利用路側激光雷達開展車輛檢測與追蹤方法研究,主要貢獻具體描述如下:（1）分析了激光雷達3D點云數(shù)據(jù)的特點,設計了基于3D點云數(shù)據(jù)背景濾波算法,能夠濾除不同交通道路環(huán)境中的背景點和噪聲點,保留交通車輛有效點。（2）針對直線道路場景下車輛檢測與追蹤問題,設計了基于歷史多狀態(tài)聯(lián)合的車輛檢測與追蹤算法。車輛檢測中,針對部分屬于同一輛車的類簇發(fā)生異常合并問題,設計了基于特征描述的車輛異常合并算法;車輛追蹤中,針對車輛丟失和遮擋問題,設計了以相鄰幀為基礎的歷史多狀態(tài)聯(lián)合車輛追蹤算法。實驗結果表明,該算法在直線道路車輛追蹤準確率達87.71%。（3）針對十字路口場景下車輛檢測與追蹤問題,由于十字路口車輛運動行為相對較為復雜,設計了... 

【文章來源】：蘇州大學江蘇省211工程院校

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【部分圖文】：

VLP-16傳感器

VLP-16 實際檢測圖

2) 由于光的直線傳播，可能會出現(xiàn)遮擋情況導致車輛下降，例如圖中的 v9，被 v5 和 v10 遮擋，只能檢測到描點，會出現(xiàn)首尾不相連的情形，使得車輛在聚類的 2.3 中 v2 所示。

【參考文獻】：
期刊論文
[1]基于浮動車數(shù)據(jù)的快速交通擁堵監(jiān)控[J]. 吳佩莉,劉奎恩,郝身剛,張全新,譚毓安.  計算機研究與發(fā)展. 2014(01)
[2]基于GPS浮動車的交通信息采集方法[J]. 姜桂艷,常安德,吳超騰.  吉林大學學報(工學版). 2010(04)
[3]多類型傳感器實時交通數(shù)據(jù)采集和車型自動分類系統(tǒng)設計[J]. 劉利頻,溫慧英,徐建閩.  交通與計算機. 2005(01)
[4]汽車最小行車時距計算模型的研究[J]. 項喬君,王煒,李偉.  東南大學學報. 1998(03)

博士論文
[1]智能視頻監(jiān)控下的多目標跟蹤技術研究[D]. 李彤.中國科學技術大學 2013

碩士論文
[1]基于機器視覺的車輛檢測方法研究[D]. 陳熊.電子科技大學 2016
[2]城市環(huán)境基于三維激光雷達的自動駕駛車輛多目標檢測及跟蹤算法研究[D]. 葉剛.北京理工大學 2016
[3]基于三維激光雷達的實時目標檢測[D]. 程健.浙江大學 2014
[4]基于三維激光雷達的運動目標實時檢測與跟蹤[D]. 楊飛.浙江大學 2012



本文編號：3611596