[发明专利]一种基于三维激光点云的在线目标跟踪系统的跟踪方法

说明书

本发明公开了一种基于三维激光点云的在线目标跟踪系统的跟踪方法，包含了预处理模块、检测模块与跟踪模块三个模块：预处理模块对地面点云与道路边界外点云的滤除；检测模块对点云进行聚类与时域关联，并通过增量式的高斯混合模型对各目标进行表面建模；跟踪模块使用卡尔曼滤波，对模型的中心点进行跟踪。该标定系统依赖离线的道路边界地图，可适应于多种不同的结构化道路场景，实现了实时的三维激光点云检测与跟踪，对无人车的感知技术有着重要的意义。这一技术可广泛应用于无人车环境感知、辅助安全驾驶等领域。

技术领域

本发明属于计算机视觉与智能交通领域，特别涉及一种基于三维激光点云的在线目标跟踪系统的跟踪方法。

背景技术

智能车(Intelligent Vehicle，IV)是集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体，是一个国家科研实力和产业水平的重要标志。环境感知技术是智能车的关键技术之一。三维激光传感器提供了精确的障碍目标的距离信息，是智能车环境感知中重要的硬件组成部分。如何对三维激光传感器提供的原始三维点云进行处理，实时地完成道路上目标的检测与跟踪，从而增强无人车的感知能力，提高无人车的安全性能，是智能车的感知技术中非常关键的问题。

发明内容

本发明的目的在于提供一种基于三维激光点云的在线目标跟踪系统的跟踪方法，以解决上述问题。

为实现上述目的，本发明采用以下技术方案：

一种基于三维激光点云的在线目标跟踪系统的跟踪方法，所述三维激光点云的在线目标跟踪系统包括预处理模块、检测模块和跟踪模块；预处理模块、检测模块和跟踪模块依次连接；预处理模块用于对三维激光原始点云进行预处理，去除非地面点云与道路外点云；检测模块用于对于预处理模块给出的点云进行聚类，并将点云拟合成矩形模型；跟踪模块使用拟合矩形进行时域的跟踪，给出目标的速度信息；

所述基于三维激光点云的在线目标跟踪系统的跟踪方法包括以下步骤：

步骤1，预处理模块使用高斯过程回归算法分割地面，滤除地面点云；使用预先建立的道路边界地图滤除道路外点云；

步骤2，检测模块使用DBSCAN聚类算法对于三维激光点云进行聚类；对于每个聚类后的目标，使用Kuhn-Munkres算法与前一帧数据进行数据关联，并使用增量式的高斯混合体建立表面点云模型；对于每个时刻的表面模型，以平台的车体坐标系x与y方向使用矩形模型进行矩形拟合，作为检测结果；

步骤3，跟踪模块选取步骤2中拟合矩形的中点作为跟踪点。

进一步的，步骤1中具体为：使用宽40m、长80m的矩形建立栅格图，利用当前位姿数据，将全局的道路边界地图转换到车体坐标系中，并提取出与栅格图大小对应的局部道路边界地图；使用漫水填充算法对道路边界内区域的连通性进行分析，将栅格图中道路边界内的栅格设置为1，边界外栅格设置为0；将所有点云投影到栅格中，若点云所在栅格数值为0，则进行滤除，否则保留。

进一步的，步骤2中具体包括：

使用增量式混合高斯模型建立目标的表面点云模型，使用EM算法迭代地对模型进行优化，高斯混合模型可以被表示为：

其中K是高斯模型的个数，μ_k与σ_k是第k个高斯模型的均值与协方差，且是第j帧观测中的第i个点云，R_j和t_j是将第j帧点云对齐到第一帧点云坐标系的旋转矩阵和平移向量，p_k是第k个高斯模型的混合系数；第k个高斯模型可表示为

因此，一个完整的高斯混合模型可以被表示为