[发明专利]一种基于3D激光雷达的车辆检测与跟踪方法

说明书

一种基于3D激光雷达的车辆检测与跟踪方法，使用3D激光雷达作为传感器，通过车辆特征Ⅰ、车辆特征Ⅱ、车辆特征Ⅲ、车辆特征Ⅳ、车辆特征Ⅴ、车辆特征Ⅵ、车辆特征Ⅶ多种车辆特征，利用SVM训练分类器，进行车辆检测，使用全局最近邻算法和无迹卡尔曼滤波进行车辆跟踪，借助车辆跟踪的结果提升车辆检测的真正率。

技术领域

本发明涉及无人驾驶技术领域，具体涉及一种基于3D激光雷达的车辆检测与跟踪方法。

背景技术

随着控制系统技术、传感器技术以及人工智能技术的不断发展，有关无人驾驶汽车的研究取得了很大的进步，相关技术开始越来越多的应用在军事、科研、生产以及我们日常的生活中。无人驾驶技术重大的科研意义不只体现在其所包含的核心科学问题上，同时也反映在其关键的战略价值与光明的应用前景上，这也使得无人驾驶技术的社会关注度极高。

因为车辆往往行驶速度较快，是道路交通的重要参与者和交通事故的主要引发者，所以在各种道路环境中，车辆都是无人驾驶汽车重要的交互对象。随着无人驾驶技术的发展，车辆检测与跟踪方面的研究也取得了显著的进步，成为无人驾驶汽车领域的关键课题之一。因此如何提高车辆检测的真正率也是现有技术中存在的难题。

发明内容

本发明为了克服以上技术的不足，提供了一种提升车辆检测的真正率的基于3D激光雷达的车辆检测与跟踪方法。

本发明克服其技术问题所采用的技术方案是：

一种基于3D激光雷达的车辆检测与跟踪方法，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_k z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Ⅳ f₂₃～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Ⅴ f₁₄₉～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；