论文部分内容阅读
随着经济的发展和社会的进步,智能交通系统(Intelligent Transport System,简称ITS)得到了广泛关注和研究。作为智能交通系统的关键技术和重要组成部分,智能车辆(Intelligent Vehicle)被认为是解决路面交通问题的一个有效途径。 环境感知是智能车辆自主导航的重要研究内容,对于减少车辆碰撞的交通事故,提高车辆道路行驶安全性以及保障道路行人安全具有重要意义。由于激光雷达具有较好的空间数据获取能力,可以便利地进行运动和非运动目标检测,且具有检测范围大、数据量小、稳定和实时等优点。本文以四线激光雷达作为传感器构建环境感知系统,对道路目标的检测、识别和跟踪技术进行了深入的研究。 首先,研究了四线激光雷达数据的聚类算法。根据四线雷达的数据特点提出一种基于层特征匹配的点距聚类算法,既弥补由于自主车车体的俯仰造成对前方真实目标的漏检,获得待识别目标的感兴趣区域,又有效地滤除场景中的干扰点,为后续的特征提取和分类提供可靠信息。 其次,研究了道路多目标分类方法。针对道路场景中多目标识别效果不佳问题,本文使用二叉树型结构与集成学习算法Adaboost所构建的精确二分类器相结合的方法,快速灵活地将道路环境中的多目标分类转换成一系列二分类问题。试验结果表明,目标识别算法稳定可靠,对城市道路环境中的行人和车辆都达到了很好的识别效果。 再次,为解决激光雷达观测值与已存在航迹之间的准确关联问题,本文提出一种适用于道路目标的多模型跟踪策略对激光雷达二维空间中不同类别的目标进行跟踪并结合基于全局最近邻(GNN)规则的数据关联对多目标的指派问题给出一个最佳的解决方案,从而得到多个目标的观测值与航迹之间稳定可靠的数据关联。 通过对基于四线激光雷达的道路目标检测识别和跟踪技术的研究,基本实现了智能车辆对前方行车环境感知的功能。为验证系统效果开发了实验平台,通过大量的实验对系统的各个功能模块及整体性能进行了测试。结果表明,系统对城市道路场景中的多类目标的检测识别以及跟踪都具有较好的准确性、可靠性和鲁棒性。