10.16807/j.cnki.12-1372/e.2018.02.020
基于多传感器数据融合的障碍物检测与跟踪
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.
障碍物检测、识别跟踪、聚类、多假设、多帧关联
20
TP181(自动化基础理论)
国家自然科学基金重大项目91220301;国家重点研发计划项目2016YFB0100903
2018-09-17（万方平台首次上网日期，不代表论文的发表时间）
共6页
90-95
