針對(duì)無人車環(huán)境感知中的障礙物檢測問題,設(shè)計(jì)了一套基于車載激光雷達(dá)的目標(biāo)識(shí)別與跟蹤方法。為降低計(jì)算量,提高處理速度,引入了點(diǎn)云過濾與分割算法對(duì)原始激光點(diǎn)云數(shù)據(jù)進(jìn)行縮減,有效提高了檢測的實(shí)時(shí)性。使用多特征復(fù)合判據(jù),基于SVM分類器改進(jìn)了Adaboost算法,對(duì)三維激光點(diǎn)云進(jìn)行直接處理,最大限度保留了感知信息,提高了識(shí)別準(zhǔn)確度。提出基于最大熵模糊聚類的數(shù)據(jù)關(guān)聯(lián)方法和相應(yīng)的粒子濾波器,有效提高了復(fù)雜交通流中目標(biāo)跟蹤的穩(wěn)定性和準(zhǔn)確性。經(jīng)百度Apollo平臺(tái)數(shù)據(jù)集仿真、自主研發(fā)的無人駕駛平臺(tái)實(shí)驗(yàn)驗(yàn)證和針對(duì)小目標(biāo)交疊和遮擋情況的實(shí)車驗(yàn)證表明,該套方法具有良好的實(shí)時(shí)性和魯棒性。

【文章頁數(shù)】：9 頁

【文章目錄】：
前言
1 激光點(diǎn)云數(shù)據(jù)獲取與預(yù)處理
    1.1 激光點(diǎn)云數(shù)據(jù)過濾與分割
    1.2 激光點(diǎn)云數(shù)據(jù)聚類
2 目標(biāo)識(shí)別
    2.1 基于SVM分類器改進(jìn)的Adaboost算法
    2.2 目標(biāo)特征設(shè)定
        (1) 統(tǒng)計(jì)信息
        (2) 空間位置信息
        (3) 反射強(qiáng)度信息
3 目標(biāo)跟蹤
    3.1 最大熵模糊聚類數(shù)據(jù)關(guān)聯(lián)
    3.2 粒子濾波多目標(biāo)跟蹤
4 實(shí)驗(yàn)驗(yàn)證
5 結(jié)論



本文編號(hào)：3795175