基于激光雷达的无人驾驶汽车动态障碍物检测、跟踪与识别方法

被引：36

作者：

黄如林 ^{[1
,2
]}

梁华为 ^{[2
]}

陈佳佳 ^{[2
]}

赵盼 ^{[2
]}

杜明博 ^{[1
,2
]}

机构：

[1] 中国科学技术大学自动化系

[2] 中国科学院合肥物质科学研究院应用技术研究所

来源：

机器人 | 2016年 / 38卷 / 04期

关键词：

动态障碍物检测; 跟踪与识别; 回波脉冲宽度; 时空特征向量; 支持向量机;

D O I：

10.13973/j.cnki.robot.2016.0437

中图分类号：

TP242 [机器人];

学科分类号：

1111 ;

摘要：

现有的基于几何特征的动态障碍物检测跟踪方法误检率较高,基于动态障碍物几何特征和运动状态的识别方法受距离和扫描角度影响较大,无法满足真实交通场景应用的要求.针对这些不足,本文提出了一种基于多特征融合的动态障碍物检测与跟踪方法和一种基于时空特征向量的动态障碍物识别方法.首先在动态障碍物几何特征的基础上,考虑障碍物回波脉冲宽度特征,以提高障碍物检测跟踪的正确率;其次,基于障碍物时间维度与空间维度信息来构建时空特征向量,并进而采用支持向量机方法实现动态障碍物的识别,以提升障碍物识别的准确率.最后,通过实车试验对所提出方法的准确性和有效性进行了验证.

引用

页码：437 / 443

页数：7

共 4 条

[1] 基于激光雷达回波信号的自适应阈值车道线检测
吴毅华
梁华为
王智灵
梅涛
辛煜
黄如林
[J]. 机器人, 2015, 37 (04) : 451 - 458
[2] 基于激光传感器的无人驾驶汽车动态障碍物检测及表示方法
辛煜
梁华为
梅涛
黄如林
杜明博
王智灵
陈佳佳
赵盼
[J]. 机器人, 2014, 36 (06) : 654 - 661
[3] Grid-based localization and local mapping with moving object detection and tracking[J] . Trung-Dung Vu,Julien Burlet,Olivier Aycard.Information Fusion . 2010 (1)
[4] Autonomous driving in urban environments: Boss and the Urban Challenge[J] . Chris Urmson,Joshua Anhalt,Drew Bagnell,Christopher Baker,Robert Bittner,M. N. Clark,John Dolan,Dave Duggins,Tugrul Galatali,Chris Geyer,Michele Gittleman,Sam Harbaugh,Martial Hebert,Thomas M. Howard,Sascha Kolski,Alonzo Kelly,Maxim Likhachev,Matt McNaughton,Nick Miller,Kevin Peterson,Brian Pilnick,Raj Rajkumar,Paul Rybski,Bryan Salesky,Young‐Woo Seo,Sanjiv Singh,Jarrod Snider,Anthony Stentz,William “Red” Whittaker,Ziv W

← 1 →