在現(xiàn)有智能車輛目標(biāo)跟蹤算法中,數(shù)據(jù)關(guān)聯(lián)和狀態(tài)估計(jì)是兩個(gè)難點(diǎn)。一方面,數(shù)據(jù)關(guān)聯(lián)過(guò)程只考慮目標(biāo)位置、速度等運(yùn)動(dòng)參量,在復(fù)雜環(huán)境下容易發(fā)生錯(cuò)誤關(guān)聯(lián);另一方面,傳統(tǒng)狀態(tài)估計(jì)方法中的點(diǎn)目標(biāo)濾波模型無(wú)法完整描述目標(biāo)運(yùn)動(dòng)過(guò)程。因此,研究穩(wěn)定性良好且能適應(yīng)實(shí)際環(huán)境的智能車輛目標(biāo)跟蹤方法具有理論意義和實(shí)際價(jià)值。針對(duì)數(shù)據(jù)關(guān)聯(lián)問(wèn)題,本文從提高運(yùn)動(dòng)目標(biāo)識(shí)別準(zhǔn)確率出發(fā),首先建立智能車輛局部柵格地圖,并對(duì)柵格地圖進(jìn)行閉運(yùn)算處理,以便更準(zhǔn)確的進(jìn)行柵格聚類和提取目標(biāo)矩形輪廓;然后利用激光雷達(dá)原始數(shù)據(jù)進(jìn)行道路邊沿檢測(cè),限定道路可通行區(qū)域;接著基于目標(biāo)形狀特征、運(yùn)動(dòng)特征和道路可通行區(qū)域三種約束條件識(shí)別運(yùn)動(dòng)目標(biāo),剔除靜止目標(biāo),以此降低運(yùn)動(dòng)目標(biāo)誤檢率;最后,基于最優(yōu)分配原理,將目標(biāo)特征信息引入量測(cè)與軌跡關(guān)聯(lián)過(guò)程,以此改善數(shù)據(jù)關(guān)聯(lián)結(jié)果并提高算法實(shí)時(shí)性。為完善目標(biāo)濾波模型,本文考慮目標(biāo)運(yùn)動(dòng)過(guò)程中的特征信息變化,提出點(diǎn)目標(biāo)和擴(kuò)展目標(biāo)混合跟蹤方法。該方法首先根據(jù)目標(biāo)擴(kuò)展特征大小以及目標(biāo)距離將運(yùn)動(dòng)目標(biāo)分類為點(diǎn)目標(biāo)和擴(kuò)展目標(biāo);接著建立相應(yīng)狀態(tài)空間模型分別描述不同類型目標(biāo);然后基于Kalman濾波框架建立點(diǎn)目標(biāo)和擴(kuò)展目標(biāo)混合跟蹤濾波器,在... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

IBEO多層掃描示意圖

聯(lián)、狀態(tài)估計(jì)方法，描述了典型方法的基本原理。2.1 激光雷達(dá)技術(shù)激光雷達(dá)作為智能車輛環(huán)境感知系統(tǒng)中必不可少的傳感器，其在障礙物距離探測(cè)、環(huán)境地圖構(gòu)建等方面都有重要應(yīng)用。本文選擇德國(guó) IBEO 公司生產(chǎn)的型號(hào)為IBEO-LUX 四線激光雷達(dá)，下面對(duì)其原理及性能參數(shù)進(jìn)行詳細(xì)介紹。IBEO-LUX 型四線激光雷達(dá)可同時(shí)在四個(gè)掃描層進(jìn)行掃描，垂直角度范圍為3.2゜，如圖 2.1 所示。其水平掃描范圍可以達(dá)到 110゜(-60゜~50゜)，IBEO 雷達(dá)設(shè)計(jì)了獨(dú)特的可變水平角度分辨率功能，即在其水平掃描范圍的不同區(qū)域內(nèi)具有不同的角度分辨率，具體如圖 2.2 所示，區(qū)域 1 為雷達(dá)中心區(qū)域，角度分辨率最高為 0.125゜，區(qū)域 2 角度分辨率為 0.25゜，區(qū)域 3 角度分辨率為 0.5゜。

如果超過(guò)某一閾值，則判斷該柵格為“占據(jù)”狀態(tài)，反之為“”狀態(tài)�；跂鸥竦貓D目標(biāo)檢測(cè)的首要目標(biāo)是進(jìn)行柵格聚類，將相鄰狀態(tài)為“占據(jù)柵格聚為一個(gè)整體，然后根據(jù)相應(yīng)的概率推理判斷該聚類區(qū)域是否為障礙物.2.4 路沿檢測(cè)道路邊沿是道路可通行區(qū)域和非通行區(qū)域的分界，智能車輛作為交通參與須遵循交通規(guī)則而行駛在道路可通行區(qū)域內(nèi)，有效檢測(cè)并提取道路邊沿能保能車輛在可通行區(qū)域內(nèi)安全行駛，進(jìn)一步為路徑規(guī)劃、車輛控制等上層任務(wù)可靠依據(jù)[44]，也可以提高環(huán)境感知系統(tǒng)運(yùn)動(dòng)目標(biāo)檢測(cè)的效率和準(zhǔn)確率[45,46]。來(lái)說(shuō)，基于激光雷達(dá)的道路邊沿檢測(cè)具體步驟如圖 2.3 所示。

【參考文獻(xiàn)】：
期刊論文
[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]基于道路形態(tài)分析的道路邊界提取[J]. 劉健,梁華為,梅濤,王智靈,吳毅華,杜明博,鄧耀.  機(jī)器人. 2016(03)
[3]基于柵格地圖的智能車輛運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 周俊靜,段建民.  系統(tǒng)工程與電子技術(shù). 2015(02)
[4]基于馬爾可夫鏈的軌跡預(yù)測(cè)[J]. 彭曲,丁治明,郭黎敏.  計(jì)算機(jī)科學(xué). 2010(08)
[5]基于激光雷達(dá)的車輛跟蹤與識(shí)別方法[J]. 甘志梅,王春香,楊明.  上海交通大學(xué)學(xué)報(bào). 2009(06)

博士論文
[1]無(wú)人駕駛汽車動(dòng)態(tài)障礙物避撞關(guān)鍵技術(shù)研究[D]. 黃如林.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[2]基于激光雷達(dá)的智能車輛目標(biāo)識(shí)別與跟蹤關(guān)鍵技術(shù)研究[D]. 周俊靜.北京工業(yè)大學(xué) 2014

碩士論文
[1]基于條帶劃分的機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)的建筑物提取[D]. 孫亞峰.吉林大學(xué) 2011



本文編號(hào)：3357836