一种面向道路交通场景的多目标识别跟踪方法技术

本发明专利技术公开了一种面向道路交通场景的多目标识别跟踪方法。该方法结合道路交通现场环境及障碍物特点，通过激光雷达检测道路现场周围的动态障碍物，步骤如下：首先对激光雷达数据进行预处理，将其转换成一幅二值图像，其次运用背景差法提取动态障碍物并进行聚类分析，进而运用PointCNN算法进行分类识别并通过迭代最邻近算法获取障碍物的位姿变换，最后针对障碍物分类分别使用UKF进行跟踪。本发明专利技术提出的多目标识别跟踪方法具有良好的实时性、识别精度和跟踪精度，能够有效地实现对道路交通场景的安全监控。

A Multi-target Recognition and Tracking Method for Road Traffic Scene

【技术实现步骤摘要】
一种面向道路交通场景的多目标识别跟踪方法
本专利技术涉及道路交通安全领域，特别是涉及一种面向道路交通场景的多目标识别跟踪方法。
技术介绍
随着经济社会的发展，道路交通安全问题日益突出。在道路交通事故及其救援过程中的二次事故中，由视野盲区导致的案件比例很大，严重危害了公众的生命财产安全。针对交通事故防范问题，可以通过布置路侧感知单元(如，三维激光雷达)，对道路情况实时监控，预防交通事故的发生，如图2所示；针对道路救援场景，可以利用车载感知单元(如，三维激光雷达)，对道路救援场景进行安全监控，从而降低二次事故发生的可能，如图3所示。目前针对以上两种场景的环境监控技术尚不成熟，但是在其相近领域已有相关研究成果，如智能车领域的自车周边环境监控，其利用激光雷达进行环境监控的主要流程为：首先利用基于欧式距离和密度的聚类方法提取障碍物目标，其次对分割得到的点云进行特征提取，进而使用提取出来的特征训练分类器进行分类，最后计算其形心作为该障碍物的中心并使用状态转移的方法对障碍物进行跟踪。但是，此类传统方法存在以下问题：传统的基于手动提取特征对目标识别分类的方法仅从曲率、法向量等有限角度提取特征，无法完本文档来自技高网...

【技术保护点】
1.一种面向道路交通场景的多目标识别跟踪方法，其特征在于，包含如下步骤：步骤(一)激光雷达数据预处理：激光雷达水平安装于路侧或救援车左侧车身中部，其数据点坐标系OXYZ，以雷达中心为原点，道路前进方向为OX轴，OZ轴为垂直于OX轴朝上方向，OY轴通过右手定则定义，监控角度为从OX轴起逆时针180°范围；对深度范围(0，Ythr)、宽度范围(‑Xthr，Xthr)内的目标区域构建二维栅格平面，栅格大小为D×D，则目标区域栅格化生成的栅格个数

【技术特征摘要】
1.一种面向道路交通场景的多目标识别跟踪方法，其特征在于，包含如下步骤：步骤(一)激光雷达数据预处理：激光雷达水平安装于路侧或救援车左侧车身中部，其数据点坐标系OXYZ，以雷达中心为原点，道路前进方向为OX轴，OZ轴为垂直于OX轴朝上方向，OY轴通过右手定则定义，监控角度为从OX轴起逆时针180°范围；对深度范围(0，Ythr)、宽度范围(-Xthr，Xthr)内的目标区域构建二维栅格平面，栅格大小为D×D，则目标区域栅格化生成的栅格个数其中，Ythr根据道路宽度选定，通常为5m～15m，Xthr根据雷达分辨率选定，通常为20m～60m；确定栅格边长方法如下：首先要计算雷达水平分辨率Dr，水平分辨率是指雷达探测范围内相邻激光线之间的最大弧长，可得雷达水平分辨率Dr在极坐标系下的计算公式：Dr＝Δangle·d·π/180，其中Δangle为雷达相邻两条激光线之间的夹角，d为雷达最大探测距离；只有当栅格边长不小于雷达水平分辨率时才能有效避免栅格虚设，所以取栅格边长D＝2Dr；接下来，将栅格划分为障碍物栅格和非障碍物栅格，划分依据为：(Numk＞n)&(Zk_max＞m)语句1其中，Numk为第k个栅格中数据点的个数，Zk_max为第k个栅格中所有数据点间的最大高度差，计算这一参数是为了避免斜坡的影响，k＝1，2，…，N；n、m为设定阈值；满足语句1的栅格为障碍物栅格，将其栅格属性标记为1，否则为非障碍物栅格，标记为0；至此，三维激光雷达数据转换为一幅二值栅格图像I(u，v)，每个栅格对应于栅格图像中的一个像素点，每个栅格的属性相当于栅格图像中点(u，v)处的像素值，栅格的行号u＝1，2，…，umax，栅格的列号v＝1，2，…，vmax，且umax·vmax＝N；步骤(二)利用背景差法提取动态障碍物栅格并进行聚类分析：利用背景差法，比较前后帧障碍物栅格的位置属性关系，提取动态障碍物栅格，具体做法如下：选取一帧数据作为背景帧，之后每TB秒选取新的一帧数据作为新的背景帧；判断数据帧中的障碍物栅格是否为动态障碍物栅格的依据为：(IB(um，vw)＝0)&(I(um，vw)＝1)语句2其中，IB(um，vw)是背景帧中栅格(um，vw)的属性，I(um，vw)是数据帧中栅格(um，vw)的属性，um＝1，2，…，umax，vw＝1，2，…，vmax；满足语句2的障碍物栅格即为动态障碍物栅格；提取出动态障碍物栅格后，对这些栅格进行聚类，具体如下：从左至右、从上到下遍历所有栅格，若取出的栅格不是障碍栅格则不做处理，取下一个栅格进行判断；若遇到障碍栅格OB，对其左侧(L)、左上(LU)、上侧(U)和右上(RU)四个邻域栅格进行判断，分为以下7种情况：1)若L是障碍栅格、RU不是障碍栅格，则将L的标记号赋给OB，结束当前处理；2)若L是障碍栅格、RU是障碍栅格，则将L的标记号赋给OB、RU，结束当前处理；3)若L不是障碍栅格、LU是障碍栅格、RU不是障碍栅格，则将LU的标记号赋给OB，结束当前处理；4)若L不是障碍栅格、LU是障碍栅格、RU是障碍栅格，则将LU的标记号赋给OB、RU，并结束当前处理；5)若L不是障碍栅格、LU不是障碍栅格、U是障碍栅格，则将U的标记号赋给OB，并结束当前处理；6)若L不是障碍栅格、LU不是障碍栅格、U不是障碍栅格、RU是障碍栅格，则将RU的标记号赋给OB，并结束当前处理；7)若L、LU、U、RU都不是障碍栅格，则为OB创建一个新的标记号，结束当前处理；至此，得到当前t时刻的栅格聚类集合其中ct为聚类个数，表示第i个聚类的原始三维点云集合，i＝1，2，…，ct；步骤(三)运用PointCNN算法进行目标识别分类：利用Poi...

【专利技术属性】
技术研发人员：李旭，倪培洲，王培宇，朱建潇，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32