基于三维激光雷达的障碍物目标检测与跟踪

• 作 者: 史永喆
• 出 处: 合肥工业大学
• 发表日期: 2004年期
• 关键词: 无人驾驶 三维激光雷达 点云数据 障碍物目标检测 数据关联

激光雷达由于可以还原丰富的环境信息,并且不受光照等环境因素影响,近几年来于无人驾驶环境感知中具有广泛应用。本文主要针对无人驾驶系统对周围障碍物信息的环境感知需求,自主搭建智能汽车测试平台,开展基于三维激光雷达的障碍物目标检测及跟踪方法研究,能为无人驾驶车辆的自主安全行驶提供障碍物目标的状态信息。主要研究内容如下:(1)搭建了基于三维激光雷达的智能汽车测试平台,分析点云数据特点并且建立激光雷达坐标系、车辆坐标系以及两者之间的坐标转换关系,开发应用软件为后续点云数据处理提供基础。(2)针对地面点云分割环节中基于单一高度阈值导致的分割算法准确度不足的问题,提出一种多迭代平面拟合法。通过最小二乘法进行平面拟合,以此来还原环境路面,并结合高度特征判定地面点云;在此基础上,去除地面点云数据,得到障碍物点云数据。(3)根据激光雷达的工作扫描原理,提出一种基于扫描线的聚类标记算法;对激光雷达的距离分辨率进行分析,建立在聚类算法中距离阈值的动态取值准则,可以有效减少聚类算法的计算成本,并提高算法的聚类效果。对于点云聚类结果,使用矩体模型进行数据建模,获取障碍物的特征信息。(4)在障碍物数据关联过程中,根据前后帧间的同一障碍物其点云结构近似的特点,在最近邻数据关联算法基础上引入障碍物特征参数,提高关联算法鲁棒性;获取在感兴趣区域中进出的障碍物目标信息,提出了基于距离差值的动态障碍物提取算法,并利用卡尔曼滤波器对动态障碍物目标进行跟踪。本文在智能汽车测试平台中进行实地数据采集,并对本文所提出的点云数据处理算法进行实验验证。实验结果表明,在感兴趣区域范围中,本文算法能够实现障碍物目标的稳定检测与实时跟踪。