基于多传感器数据融合的障碍物检测与跟踪

TP181; 针对单一传感器在无人车环境感知中的局限性,综合激光雷达在目标检测上的优势和图像在目标识别上的优势,提出一种基于多传感器融合的障碍物检测方法,能够同时提高目标检测的准确率、召回率,并输出目标的位置和类别.利用基于密度和网格的Clique障碍物聚类算法,对无人车前方障碍物进行聚类,将聚类之后的障碍物目标投影到二维图像平面上,利用Faster R-CNN算法对图像进行检测识别,基于多假设思想实现单帧数据关联,同时关联多帧数据实现跟踪.为获取稳定可靠的目标图像位置,应用标准卡尔曼滤波算法对目标的位置大小进行预测,为获取稳定可靠的目标类别,通过算术平均滤波算法获取无人车前方障碍物目标的类别...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	军事交通学院学报 2018, Vol.20 (2), p.90-95
Hauptverfasser:	陆峰, 徐友春, 李永乐, 王任栋, 王东敏
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TP181; 针对单一传感器在无人车环境感知中的局限性,综合激光雷达在目标检测上的优势和图像在目标识别上的优势,提出一种基于多传感器融合的障碍物检测方法,能够同时提高目标检测的准确率、召回率,并输出目标的位置和类别.利用基于密度和网格的Clique障碍物聚类算法,对无人车前方障碍物进行聚类,将聚类之后的障碍物目标投影到二维图像平面上,利用Faster R-CNN算法对图像进行检测识别,基于多假设思想实现单帧数据关联,同时关联多帧数据实现跟踪.为获取稳定可靠的目标图像位置,应用标准卡尔曼滤波算法对目标的位置大小进行预测,为获取稳定可靠的目标类别,通过算术平均滤波算法获取无人车前方障碍物目标的类别.该算法能够较好地融合两个传感器之间的数据检测结果,同时获取较单一传感器更为全面可靠的目标位置和类别信息.
ISSN:	1674-2192
DOI:	10.16807/j.cnki.12-1372/e.2018.02.020