[发明专利]一种应用于无人驾驶汽车的目标跟踪系统及跟踪方法

说明书

本发明公开了一种应用于无人驾驶汽车的目标跟踪系统及跟踪方法，跟踪系统包括由激光雷达和毫米波雷达组成的车载雷达系统与机器人操作系统Robot Operating System(ROS)；激光雷达安装在车辆的顶部，其测量精度相对较高，但容易受光照等环境影响，毫米波雷达安装在车辆前方的车牌处，测量精度相对较低，但是受外界环境影响较小，该车载雷达系统组合在一起可提高测量准确性；在机器人操作系统ROS的节点集合中存在雷达传感器节点和无迹卡尔曼滤波估计器节点，通过无损卡尔曼滤波算法它使用一系列sigma点通过非线性变换生成状态，并使用这些估计过的sigma点覆盖状态估计点和协方差，从而完成对雷达系统所接收的数据的融合，实现目标跟踪。

技术领域

本发明涉及车用目标跟踪系统及方法，具体地说是一种用于装载有车载雷达系统的无人驾驶汽车的基于无损卡尔曼滤波的目标跟踪系统及方法。

背景技术

无人驾驶汽车在进行无人驾驶的时候需要对环境进行感知，从而根据环境信息实现对车辆的控制和路径的规划，而这一过程要依靠相对应的车载传感器。这些传感器主要包括摄像头、激光雷达、毫米波雷达、红外相机、GPS和惯导系统等。毫米波雷达穿透雾、烟、灰尘的能力强，具有全天候、全天时的优点，但是探测精度低；而激光雷达探测精度高但容易受外界环境干扰。因此，相比于单一传感器，激光雷达和毫米波雷达组合而成的车载雷达系统，稳定性更强。

针对上述的车载雷达系统，可以实现对行人、其他车辆以及车辆自身等目标的状态估计和跟踪。在众多相关的信息融合算法中，无损卡尔曼滤波更适用于非线性系统，并且能够避免普通卡尔曼滤波和增强卡尔曼滤波的缺陷。因此将无损卡尔曼滤波与搭载有该系统的无人驾驶汽车结合起来，可以使得探测结果更加稳定，系统整体的实用性更强。

机器人操作系统Robot Operating System(ROS),提供一组实用工具和软件库以及开源功能包，可以搭建一整套针对无人驾驶系统的运行框架。ROS运行时是由被称之为节点(Node)的多个松耦合的进程组成，在实际工程中，这种结构的设计可以根据要求快速地修改所需的功能模块。因此将目标跟踪算法在ROS中实现可以大大提高算法的灵活性。

当前技术中，申请号“201210555170.7”，申请公布号为“CN103889047A”的专利“一种基于卡尔曼滤波的目标跟踪算法”以及申请号为“201610809777.1”，申请公布号“106443661A”的专利“基于无迹卡尔曼滤波的机动扩展目标跟踪方法”都未将无损卡尔曼滤波与无人驾驶汽车的车载雷达系统结合起来应用，也并未形成完整的目标跟踪以及信息处理系统。

发明内容

本发明的目的是为了克服现有技术中的不足，提供一种应用于无人驾驶汽车的目标跟踪系统及跟踪方法，将无损卡尔曼滤波算法应用到由激光雷达和毫米波雷达组成的无人驾驶汽车车载雷达系统上，并在机器人操作系统ROS中完成算法的实现以及功能模块的构建。

本发明的目的是通过以下技术方案实现的：

一种应用于无人驾驶汽车的目标跟踪系统，该系统包括由激光雷达和毫米波雷达组成的车载雷达系统与机器人操作系统Robot Operating System(ROS)；所述激光雷达安装在车辆的顶部，其测量精度相对较高，但容易受光照等环境影响，所述的毫米波雷达安装在车辆前方的车牌处，测量精度相对较低，但是受外界环境影响较小，该车载雷达系统组合在一起可提高测量准确性；在机器人操作系统ROS的节点集合中存在雷达传感器节点和无迹卡尔曼滤波估计器节点，通过无损卡尔曼滤波算法它使用一系列sigma点通过非线性变换生成状态，并使用这些估计过的sigma点覆盖状态估计点和协方差，从而完成对雷达系统所接收的数据的融合，实现目标跟踪。

一种应用于无人驾驶汽车的目标跟踪方法，将无损卡尔曼滤波(UnscentedKalman Filter，简称UKF)算法应用到无人驾驶汽车车载雷达系统中，其具体包括以下步骤：

(1)对车载雷达系统进行标定；