基于激光雷达深度信息和视觉HOG特征的车辆识别与跟踪方法

摘要：

为提高无人车行驶过程中前方车辆检测的准确性和实时性,提出了基于激光雷达(LIght Detection And Ran-ging,LIDAR)深度信息和视觉方向梯度直方图(Histograms of Oriented Gradients,HOG)特征的车辆识别和跟踪方法.目标首次进入视野时,聚类处理激光雷达深度信息并确定假设目标的候选区域,采用车辆尾部的HOG特征对假设目标进行验证.在HOG特征验证前,基于最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)算法对样本集HOG特征进行训练学习,生成车辆分类器模型.对于验证后的目标车辆,采用激光雷达获取的深度信息对目标车辆进行持续跟踪.构建了2种车辆模型,结合最小二乘直线拟合方法提取出车辆特征,生成目标模型.同时,提出了基于多特征马氏距离的目标关联代价方程,实现了多目标的关联;完成了基于卡尔曼滤波的车辆状态滤波和位置估计,更新了跟踪器模型.通过有效的管理策略,实现了目标跟踪的3个状态:1)初始化模型的生成;2)跟踪过程中跟踪器的更新与预测;3)目标驶离视野时跟踪器的删除.最后,通过试验验证了跟踪算法的有效性.

关键词：激光雷达(LIDAR)、视觉、车辆识别、车辆跟踪、数据关联

所属期刊栏目：31

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2018-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：88-95