智能驾驶中点云目标快速检测与跟踪
利用实时车载激光点云,实现城市环境下的多目标快速检测与跟踪.动态目标跟踪是实现城市环境下自动驾驶的关键,是三维城市场景感知的研究难点.相比于图像,三维激光点云数据更适合用于目标三维形状估计和运动预测,所以广泛应用于无人驾驶方案中.使用基于目标模型和卡尔曼滤波的目标跟踪框架,针对稀疏点云数据中常见的过分割和欠分割问题,提出一种关联历史跟踪结果和目标检测的快速跟踪算法.将跟踪结果作为先验知识,与下一时刻的目标检测关联,增强目标检测的稳定性.该算法已经应用到搭载三维激光扫描仪的自动驾驶汽车中,实验证明,该算法适用于城市交通场景,且满足实时解算需求,单帧处理平均耗时58 ms.
动态目标跟踪、激光点云、卡尔曼滤波、城市环境、自动驾驶
44
P237.3(摄影测量学与测绘遥感)
国家自然科学基金41671441;国家自然科学基金重点项目41531177
2019-03-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
139-144,152