基于深度数据的车辆目标检测与跟踪方法

来源：交通运输系统工程与信息杂志2018年第3期北京时间：

作者：陆德彪，郭子明，蔡伯根，姜维，王剑，上官伟

单位：北京交通大学 a. 电子信息工程学院；b. 轨道交通控制与安全国家重点实验室； c. 北京市轨道交通电磁兼容与卫星导航工程技术研究中心，北京 100044

摘要：现有基于几何特征的目标检测与跟踪方法误检率较高，目标跟踪过程中的漏检易导致错误的目标关联.针对这些问题，本文提出了一种基于激光雷达(LiDAR)深度数据的车辆目标检测与跟踪方法.根据激光雷达深度数据特性，采用一种基于栅格的参数自动化聚类(PAG) 算法对原始数据进行处理，并在每个聚类中提取目标线段，获取目标特征.在此基础上对车辆目标进行识别，并计算得到目标的位置信息.采用卡尔曼滤波算法，制定滤波器管理策略，完成目标关联及状态估计.最后利用装备有一个前向激光雷达的实验车辆对提出的方法进行验证. 实验结果表明，本文提出的方法可准确识别并跟踪多个车辆目标，避免错误的目标关联.

关键词：智能交通,检测与跟踪,特征提取,车辆目标,深度数据,卡尔曼滤波

基金资助：国家重点研发计划/State Key Project of Chinese Ministry of Science and Technology(2018YFB1201500)；国家自然科学基金/ National Natural Science Foundation of China(61490705)；中央高校基本科研业务经费专项资金/ Fundamental Research Funds for the Central Universities(2016RC020).