基于三维激光雷达的动态障碍物检测和追踪方法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基金项 目：湖北省科技厅资助项 目（２０１６ＢＥＣ１１６）。
２０１７年 第 ８期
进行分割 、聚类 ，提取障碍物形态特征 ，对每帧的障碍物 进行数据 关联 ，从而对其进行跟踪 。斯坦福大学 Ａｎｎａ Ｐｅｔｒｏｖｓｋａｙａ等 提取被跟踪车辆的几何 、动态特性 ，建立 相应特征模型 ，利用 贝叶斯滤波器对跟踪 目标进行更新 ， 但是被遮挡的车辆仍无法检测 。文献 ［７］通过建立二维 虚拟扫描模型较好地解决 了这一 问题。然而，两种方法 都无法识别行人 、自行车等运动障碍物。杨飞等 利用模 板匹配法对障碍物的外轮廓形状特征进行匹配 ，但模型 类别较少 ，障碍物匹配的适应性较差 。
汽车技术 ·Ａｕｔｏｍｏｂｉｌｅ Ｔｅｃｈｎｏｌｏｇｙ
基 于 三维 激 光 雷达 的动 态 障碍 物 检 测 和 追踪 方 法 ★
邹斌 刘康 王科未
（武汉理工大学 ，现代汽车零部件技术湖北省重点实验室 汽车零部件技术湖北省协同创新 中心 ，
武汉 ４３００７０）
【摘要 】为解决无人驾驶车辆在城市路况下对多个动态障碍物同时检测和跟踪 的关键问题 ，提出一种基于三维激光雷 达 的多 目标 实 时检 测 和 跟踪 方法 。通 过对 单 帧激 光 雷达 点 云数 据 进行 聚 类 ，提 取 障碍 物外 接 矩形 轮 廓特 征 ；采用 多 假设 跟 踪模 型 （ＭＨＴ）算 法对 连 续 两 帧 的 障 碍物 信 息 进 行 数 据关 联 ；利 用 卡 尔曼 滤 波 算 法对 动 态 障 碍 物进 行 连 续地 预 测 和 跟踪 。
Ｚｏｕ Ｂｉｎ，Ｌｉｕ Ｋａｎｇ，Ｗ ａｎｇ Ｋｅｗｅｉ
（Ｈｕｂｅｉ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ａｄｖａｎｃｅｄ Ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ Ａｕｔｏｍｏｔｉｖｅ Ｃｏｍｐｏｎｅｎｔｓ，Ｈｕｂｅｉ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｉｎｎｏｖａｔｉｏｎ Ｃｅｎｔｅｒ ｆｏｒ Ａｕｔｏｍｏｔｉｖｅ Ｃｏｍｐｏｎｅｎｔｓ Ｔｅｃｈｎｏｌｏｇｙ，Ｗ ｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ ，Ｗ ｕｈａｎ ４３００７０）
试 验 结果 表 明 ，该算 法 能够 在 自行 搭 建 的智 能车 平 台上 以 每帧 １００ｍｓ的速 度准 确 、稳 定地 检 测和 跟踪 。
主题 词 ：三维激 光 雷达 ＤＢＳＣＡＮ ＭＨＴ 卡 尔曼滤 波 中图分类 号 ：ＴＰ１８１；Ｕ４９５；ＴＰ１４ 文 献标识 码 ：Ａ 文章 编 号 ：１０００—３７０３（２０１７）０８—００１９—０７ Ｄｙｎａｍ ｉｃ Ｏｂｓｔａｃｌｅ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｔｒａｃｋｉｎｇ Ｍ ｅｔｈｏｄ Ｂａｓｅｄ ｏｎ ３Ｄ ＬｉＤＡＲ
一 １９—
wenku.baidu.com
邹斌 ，等 ：基于三维激光雷达 的动态 障碍物 检测 和追 踪方法
本文 以 Ｖｅｌｏｄｙｎｅ １６线 三维 激光雷 达作 为主要 传 感 器 ，运 用 ＤＢＳＣＡＮ（Ｄｅｎｓｉｔｙ—Ｂａｓｅｄ Ｓｐａｔｉａｌ Ｃｌｕｓｔｅｒｉｎｇ ｏｆ Ａｐｐｌｉｃａｔｉｏｎｓ ｗｉｔｈ Ｎｏｉｓｅ）方法 ，并结 合可变阈值 ，对原始 数据进行聚类 ，大大提高了聚类 的准确性 ，简化应用 了 模糊 线段法准确提 取动态障碍物 的矩形 轮廓 ，最后应
ｔｈｅ Ｍｕｌｔｉ—Ｈｙｐｏｔｈｅｔｉｃａｌ Ｔｒａｃｋｉｎｇ ｍｏｄｅｌ（ＭＨＴ）ａｌｇｏｒｉｔｈｍ ｗａｓ ｕｓｅｄ ｔｏ ｃｏｒｒｅｌａｔｅ ｔｈｅ ｏｂｓｔａｃｌｅ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｔｗｏ ｃｏｎｓｅｃｕｔｉｖｅ
ｆｒａｍ ｅｓ．Ｆｉｎａｌｌｙ，ｔｈｅ Ｋａｌｍａｎ ｆｉｌｔｅｒ ａｌｇｏｒｉｔｈｍ ｗａｓ ｕｓｅｄ ｔｏ ｃｏｎｔｉｎｕｏｕｓｌｙ ｐｒｅｄｉｃｔ ａｎｄ ｔｒａｃｋ ｔｈｅ ｄｙｎａｍｉｃ ｏｂｓｔａｃｌｅｓ．Ｔｅｓｔ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｃａｎ ｄｅｔｅｃｔ ａｎｄ ｔｒａｃｋ ｍｕｌｔｉ—ｔａｒｇｅｔ ａｔ １００ ｍｓ／ｆｒａｍｅ ｓｐｅｅｄ ｏｎ ｔｈｅ ｓｅｌｆ’ｂｕｉｌｔ ｉｎｔｅｌｌｉｇｅｎｔ ｖｅｈｉｃｌｅ ｐｌａｔｆｏｒｍ ．
Ｋｅｙ ｗｏｒｄｓ：３Ｄ ＬｉＤＡＲ，ＤＢＳＣＡＮ。Ｍ Ｈ Ｔ．Ｋａｌｍ ａｎ ｆｉｌｔｅｒ
１ 前 言
利用激光雷达对动态障碍物进行检测和轨迹预测是 无人驾驶课题的研究重点之一【”。近年来 ，国内外学者在 此课题 中主要采用两种方法 。一种方法是栅格地图法 。 周俊静等 建 立栅格地图 ，利用贝叶斯推理推测 由于传感 器误差造成栅格状态 的不确定性 ，通过 比较当前时刻和 随时 间 累积 形 成 的栅 格状 态 的不一 致 性 检测 运 动 目标 。 Ｔｒｕｎｇ～Ｄｕｎｇ Ｖｕ等［３ 也利用该方法对运动 目标进行 检测 跟踪 ，但是相 比于文献［２］，没有对更新后的后验概率进行 修正 。文献［４］和文献［５】均采用 了类似方法 。以上方法 可以较为准确地检测到运动的栅格 ，但仍存在缺陷，如果 运动 目标体积较大 ，几个周期 内栅格状态 一直保持 “占 据 ”，容易误判为静态障碍物。另一种方法是对原始数据
【Ａｂｓｔｒａｃｔ】Ｉｎ ｏｒｄｅｒ ｔｏ ｓｏｌｖｅ ｔｈｅ ｋｅｙ ｐｒｏｂｌｅｍ ｏｆ ｓｉｍｕｌｔａｎｅｏｕｓ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ ｏｆ ｕｎｍａｎｎｅｄ ｖｅｈｉｃｌｅｓ ｉｎ ｕｒｂａｎ
ｔｒａｆｆ ｉｃ ｃｏｎｄｉｔｉｏｎｓ，ｔｈｉｓ ｐａｐｅｒ ｐｒｅｓｅｎｔｅｄ ａ ｍ ｅｔｈｏｄ ｂａｓｅｄ ｏｎ ３Ｄ ＬｉＤＡＲ ｆ ｏ ｒ ｓｉｍ ｕｌｔａｎｅｏｕｓ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ ｏｆ ｍｕｌｔｉ— ｔａｒｇｅｔｓ．Ｂｙ ｃｌｕｓｔｅｒｉｎｇ ｔｈｅ ｓｉｎｇｌｅ—ｆｒａｍ ｅ ＬｉＤＡ Ｒ ｐｏｉｎｔ ｃｌｏｕｄ ｄａｔａ．ｅｘｔｅｒｎａｌ ｃｏｎｔｏｕｒ ｆｅａｔｕｒｅｓ ｏｆ ｏｂｓｔａｃｌｅｓ ｗｅｒｅ ｅｘｔｒａｃｔｅｄ．Ｔｈｅｎ．
２０１７年 第 ８期
进行分割 、聚类 ，提取障碍物形态特征 ，对每帧的障碍物 进行数据 关联 ，从而对其进行跟踪 。斯坦福大学 Ａｎｎａ Ｐｅｔｒｏｖｓｋａｙａ等 提取被跟踪车辆的几何 、动态特性 ，建立 相应特征模型 ，利用 贝叶斯滤波器对跟踪 目标进行更新 ， 但是被遮挡的车辆仍无法检测 。文献 ［７］通过建立二维 虚拟扫描模型较好地解决 了这一 问题。然而，两种方法 都无法识别行人 、自行车等运动障碍物。杨飞等 利用模 板匹配法对障碍物的外轮廓形状特征进行匹配 ，但模型 类别较少 ，障碍物匹配的适应性较差 。
汽车技术 ·Ａｕｔｏｍｏｂｉｌｅ Ｔｅｃｈｎｏｌｏｇｙ
基 于 三维 激 光 雷达 的动 态 障碍 物 检 测 和 追踪 方 法 ★
邹斌 刘康 王科未
（武汉理工大学 ，现代汽车零部件技术湖北省重点实验室 汽车零部件技术湖北省协同创新 中心 ，
武汉 ４３００７０）
【摘要 】为解决无人驾驶车辆在城市路况下对多个动态障碍物同时检测和跟踪 的关键问题 ，提出一种基于三维激光雷 达 的多 目标 实 时检 测 和 跟踪 方法 。通 过对 单 帧激 光 雷达 点 云数 据 进行 聚 类 ，提 取 障碍 物外 接 矩形 轮 廓特 征 ；采用 多 假设 跟 踪模 型 （ＭＨＴ）算 法对 连 续 两 帧 的 障 碍物 信 息 进 行 数 据关 联 ；利 用 卡 尔曼 滤 波 算 法对 动 态 障 碍 物进 行 连 续地 预 测 和 跟踪 。
Ｚｏｕ Ｂｉｎ，Ｌｉｕ Ｋａｎｇ，Ｗ ａｎｇ Ｋｅｗｅｉ
（Ｈｕｂｅｉ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ａｄｖａｎｃｅｄ Ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ Ａｕｔｏｍｏｔｉｖｅ Ｃｏｍｐｏｎｅｎｔｓ，Ｈｕｂｅｉ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｉｎｎｏｖａｔｉｏｎ Ｃｅｎｔｅｒ ｆｏｒ Ａｕｔｏｍｏｔｉｖｅ Ｃｏｍｐｏｎｅｎｔｓ Ｔｅｃｈｎｏｌｏｇｙ，Ｗ ｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ ，Ｗ ｕｈａｎ ４３００７０）
试 验 结果 表 明 ，该算 法 能够 在 自行 搭 建 的智 能车 平 台上 以 每帧 １００ｍｓ的速 度准 确 、稳 定地 检 测和 跟踪 。
主题 词 ：三维激 光 雷达 ＤＢＳＣＡＮ ＭＨＴ 卡 尔曼滤 波 中图分类 号 ：ＴＰ１８１；Ｕ４９５；ＴＰ１４ 文 献标识 码 ：Ａ 文章 编 号 ：１０００—３７０３（２０１７）０８—００１９—０７ Ｄｙｎａｍ ｉｃ Ｏｂｓｔａｃｌｅ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｔｒａｃｋｉｎｇ Ｍ ｅｔｈｏｄ Ｂａｓｅｄ ｏｎ ３Ｄ ＬｉＤＡＲ
一 １９—
wenku.baidu.com
邹斌 ，等 ：基于三维激光雷达 的动态 障碍物 检测 和追 踪方法
本文 以 Ｖｅｌｏｄｙｎｅ １６线 三维 激光雷 达作 为主要 传 感 器 ，运 用 ＤＢＳＣＡＮ（Ｄｅｎｓｉｔｙ—Ｂａｓｅｄ Ｓｐａｔｉａｌ Ｃｌｕｓｔｅｒｉｎｇ ｏｆ Ａｐｐｌｉｃａｔｉｏｎｓ ｗｉｔｈ Ｎｏｉｓｅ）方法 ，并结 合可变阈值 ，对原始 数据进行聚类 ，大大提高了聚类 的准确性 ，简化应用 了 模糊 线段法准确提 取动态障碍物 的矩形 轮廓 ，最后应
ｔｈｅ Ｍｕｌｔｉ—Ｈｙｐｏｔｈｅｔｉｃａｌ Ｔｒａｃｋｉｎｇ ｍｏｄｅｌ（ＭＨＴ）ａｌｇｏｒｉｔｈｍ ｗａｓ ｕｓｅｄ ｔｏ ｃｏｒｒｅｌａｔｅ ｔｈｅ ｏｂｓｔａｃｌｅ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｔｗｏ ｃｏｎｓｅｃｕｔｉｖｅ
ｆｒａｍ ｅｓ．Ｆｉｎａｌｌｙ，ｔｈｅ Ｋａｌｍａｎ ｆｉｌｔｅｒ ａｌｇｏｒｉｔｈｍ ｗａｓ ｕｓｅｄ ｔｏ ｃｏｎｔｉｎｕｏｕｓｌｙ ｐｒｅｄｉｃｔ ａｎｄ ｔｒａｃｋ ｔｈｅ ｄｙｎａｍｉｃ ｏｂｓｔａｃｌｅｓ．Ｔｅｓｔ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｃａｎ ｄｅｔｅｃｔ ａｎｄ ｔｒａｃｋ ｍｕｌｔｉ—ｔａｒｇｅｔ ａｔ １００ ｍｓ／ｆｒａｍｅ ｓｐｅｅｄ ｏｎ ｔｈｅ ｓｅｌｆ’ｂｕｉｌｔ ｉｎｔｅｌｌｉｇｅｎｔ ｖｅｈｉｃｌｅ ｐｌａｔｆｏｒｍ ．
Ｋｅｙ ｗｏｒｄｓ：３Ｄ ＬｉＤＡＲ，ＤＢＳＣＡＮ。Ｍ Ｈ Ｔ．Ｋａｌｍ ａｎ ｆｉｌｔｅｒ
１ 前 言
利用激光雷达对动态障碍物进行检测和轨迹预测是 无人驾驶课题的研究重点之一【”。近年来 ，国内外学者在 此课题 中主要采用两种方法 。一种方法是栅格地图法 。 周俊静等 建 立栅格地图 ，利用贝叶斯推理推测 由于传感 器误差造成栅格状态 的不确定性 ，通过 比较当前时刻和 随时 间 累积 形 成 的栅 格状 态 的不一 致 性 检测 运 动 目标 。 Ｔｒｕｎｇ～Ｄｕｎｇ Ｖｕ等［３ 也利用该方法对运动 目标进行 检测 跟踪 ，但是相 比于文献［２］，没有对更新后的后验概率进行 修正 。文献［４］和文献［５】均采用 了类似方法 。以上方法 可以较为准确地检测到运动的栅格 ，但仍存在缺陷，如果 运动 目标体积较大 ，几个周期 内栅格状态 一直保持 “占 据 ”，容易误判为静态障碍物。另一种方法是对原始数据
【Ａｂｓｔｒａｃｔ】Ｉｎ ｏｒｄｅｒ ｔｏ ｓｏｌｖｅ ｔｈｅ ｋｅｙ ｐｒｏｂｌｅｍ ｏｆ ｓｉｍｕｌｔａｎｅｏｕｓ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ ｏｆ ｕｎｍａｎｎｅｄ ｖｅｈｉｃｌｅｓ ｉｎ ｕｒｂａｎ
ｔｒａｆｆ ｉｃ ｃｏｎｄｉｔｉｏｎｓ，ｔｈｉｓ ｐａｐｅｒ ｐｒｅｓｅｎｔｅｄ ａ ｍ ｅｔｈｏｄ ｂａｓｅｄ ｏｎ ３Ｄ ＬｉＤＡＲ ｆ ｏ ｒ ｓｉｍ ｕｌｔａｎｅｏｕｓ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ ｏｆ ｍｕｌｔｉ— ｔａｒｇｅｔｓ．Ｂｙ ｃｌｕｓｔｅｒｉｎｇ ｔｈｅ ｓｉｎｇｌｅ—ｆｒａｍ ｅ ＬｉＤＡ Ｒ ｐｏｉｎｔ ｃｌｏｕｄ ｄａｔａ．ｅｘｔｅｒｎａｌ ｃｏｎｔｏｕｒ ｆｅａｔｕｒｅｓ ｏｆ ｏｂｓｔａｃｌｅｓ ｗｅｒｅ ｅｘｔｒａｃｔｅｄ．Ｔｈｅｎ．