車載多傳感器融合下的動態(tài)目標檢測與跟蹤.pdf

1、車載多傳感器信息融合技術(shù)是自主駕駛研究領(lǐng)域的熱點問題，可靠的環(huán)境感知信息是自主車做出路徑規(guī)劃等行為的必要條件。根據(jù)車載激光雷達和相機各自的應用范圍，結(jié)合激光雷達的高精度測距感知信息和相機高分辨率的特點，本文研究了激光雷達深度信息和高分辨率圖像生成致密深度圖的相關(guān)方法。并根據(jù)致密深度圖的深度信息及可見光相機的顏色等信息，在RGB圖像及致密深度圖下采用稀疏三維場景流的模型實現(xiàn)檢測和跟蹤動態(tài)目標。本文的主要工作和貢獻如下：
　　1、從激

2、光雷達信息獲取方式上考慮，通過分析單幀雷達周期內(nèi)車體的運動，分別在平移和旋轉(zhuǎn)兩個運動分量上完成了激光雷達的幀內(nèi)運動數(shù)據(jù)補償。
　　2、在研究傳感器信息融合中，本文提出了一種新的深度圖像生成算法。把雷達點云投射到圖像平面上，然后將點云稀疏的深度信息和圖像上稠密的顏色信息在雙邊濾波構(gòu)的框架下建立KD特征空間，并以最近鄰搜索的方法生成了致密深度圖。在該生成的致密深度圖上建立馬爾科夫隨機場，在隨機場的優(yōu)化處理下，進一步平滑了雙邊濾波加權(quán)中

3、顏色通道與歐氏通道的權(quán)值生成新的致密深度圖。
　　3、對車體進行自運動估計時，在保證特征描述子足夠高效的同時，本文設計了圖像分塊處理技術(shù)和聯(lián)合致密深度圖及RGB圖提取地面靜態(tài)特征點的方法提高了車體自運動估計的魯棒性。針對RGB圖像與激光雷達點云生成的致密深度圖上構(gòu)造稀疏三維場景流的模型，并利用Delaunay三角剖分連接RGB圖中提取的相鄰特征點，其次融合了激光雷達精準的深度距離信息的約束濾除特征點。通過特征點分類實現(xiàn)動態(tài)目標的檢