[发明专利]一种基于3D激光雷达的车辆检测与跟踪方法

权利要求书

1.一种基于3D激光雷达的车辆检测与跟踪方法，其特征在于，包括如下步骤：

a)在无人驾驶汽车上采用64线激光雷达采集3D点云数据，将3D点云数据预处理后得到n个对象样本S_k，k＝1,2,...,n，为对象k中的点，其中N_k为第k个对象样本中包含的点的数量；

b)利用f＝{f₁,f₂,...,f_m}标示3D点云的特征向量，m＝207；

c)车辆特征Ⅰ由对象样本S_k的惯性张量矩阵M中得到的特征向量的独立项f₁～f₆组成；

d)车辆特征Ⅱ由对象样本S_k的协方差矩阵C中得到的特征向量的独立项f₇～f₁₂组成；

e)建立以无人驾驶汽车的后轴中心点为原点垂直地面向上方向为z轴正方向、朝向车辆前往为x轴正方向且根据右手法则得到y轴正方向的坐标体系，车辆特征Ⅲ由对象样本S_kz轴分成10个层，将每一层点云中的点投影到垂直于z轴的平面上并计算出沿x轴的长度，得到10个分成特征f₁₃～f₂₂；

f)在x轴与z轴构成的平面划分14×9组栅格，将3D点云投影到x轴与z轴构成的平面的栅格中得到xz平面的归一化2D直方图，计算出每个栅格中的点的数量，栅格中点的数量为其在直方图对应区间上的值，直方图上14×9个区间对应的值为车辆特征Ⅳf₂₃～f₁₄₈；

g)在y轴与z轴构成的平面划分9×6组栅格，将3D点云投影到y轴与z轴构成的平面的栅格中得到yz平面的归一化2D直方图，计算出每个栅格中的点的数量，栅格中点的数量为其在直方图对应区间上的值，直方图上9×6个区间对应的值为车辆特征Ⅴf₁₄₉～f₂₀₂；

h)车辆特征Ⅵ由对象样本S_k的反射强度平均值和方差f₂₀₃～f₂₀₄组成；

i)车辆特征Ⅶ由对象样本S_k的长高比、长宽比、宽高比f₂₀₅～f₂₀₇组成；

j)准备包含有正样本和负样本的数据集，正样本为3D激光雷达从不同角度扫描到的各种车辆，负样本为灌木、建筑外墙及行人，将f₁～f₂₀₇构成的数据集分为训练集和测试集，训练集及测试集均包含正样本和负样本，将训练集提取车辆特征并训练SVM分类器，在测试集验证SVM分类器的分类效果；；

k)当分类效果满足要求时停止训练，如果不满足要求则重复执行步骤j)；

l)使用全局最近邻算法结合卡尔曼滤波算法进行车辆跟踪。

2.根据权利要求1所述的基于3D激光雷达的车辆检测与跟踪方法，其特征在于：步骤c)中惯性张量矩阵的计算公式为式中x_t、y_t、z_t为3D点云中第t个点在坐标体系中的坐标值。

3.根据权利要求1所述的基于3D激光雷达的车辆检测与跟踪方法，其特征在于：步骤d)中协方差矩阵式中

为3D点云中的点在x、y、z方向上坐标的平均值。

4.根据权利要求1所述的基于3D激光雷达的车辆检测与跟踪方法，其特征在于：步骤f)中利用公式计算栅格单元(p,q)中的点的数量，其中x_min、x_max为对应对象点云在x轴上的上点的最小值及最大值，z_min、z_max为对应对象点云在z轴上的上点的最小值及最大值，x_i为第i个点在x轴的坐标值，z_i为i个点在z轴的坐标值。