基于一致性点漂移的智能车视觉目标跟踪方法

摘要：

针对智能车未知运动下的多目标跟踪问题,提出一种基于一致性点漂移的视觉多目标跟踪方法.首先利用一致性点漂移算法构建智能车未知运动模型,得到局部目标状态变换关系;其次建立一种基于外观相似性和运动一致性的自适应特征融合函数;最后通过匈牙利算法求解轨迹与检测的对应关系,以实现面向智能车的鲁棒数据关联.实验结果表明,与现有的5种主流目标跟踪方法对比,所提方法在多个指标方面具有更好的效果,相较于结构约束(SCEA)算法,在KITTI数据集中较大运动场景下,所提方法多目标跟踪准确率提高了 6.3％,在实拍实验数据下,所提方法多目标跟踪准确率提高了 7.3％,证明该算法能在智能车未知运动下有效的进行多目标跟踪.

关键词：智能车、一致性点漂移、多目标跟踪、数据关联

所属期刊栏目：43

分类号：TP391.4;TH89(计算技术、计算机技术)

资助基金：国家自然科学基金;重庆市自然科学基金;重庆市教委重点研究项目

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：195-204