【技术实现步骤摘要】
一种SLAM与目标跟踪方法
本申请属于同步定位与构图
，特别是涉及一种SLAM与目标跟踪方法。
技术介绍
无人驾驶汽车作为汽车发展的主要发展方向之一，其在未来改变人类出行方式中扮演者越来越重要的角色。高精度地图为无人驾驶平台提供丰富的信息，是无人驾驶汽车实现自主导航的关键所在。构建高精度地图，车辆需要感知自身在真实物理空间中的方位，以及场景的三维结构，这依赖于同步定位与构图技术。传统的同步定位与构图技术专注于研究无移动目标的理想静态场景，如乡村道路，林间小道，而无人驾驶车辆所面对的环境中，往往包含许多移动目标，如场景复杂的真实城区环境。因此研制一种面向城市道路场景的同步定位与构图系统，必然能够提高无人驾驶汽车在城区环境的定位精度，构建一致性好的城区场景地图，增强同步定位与技术的环境适应性，为同步定位与构图技术实现商用奠定基础。目前的同步定位与构图方法按照应用场景的不同，分为静态场景与动态场景，静态场景下的移动机器人同步定位与构图假设环境中不存在其他动态目标，移动的传感器从静态对象(地面，树木、墙壁)上提取特征信...
【技术保护点】
1.一种SLAM与目标跟踪方法，其特征在于：所述方法包括如下步骤：/n步骤1：采集真实城市道路场景下三维点云数据，对所述三维点云数据进行滤波处理，采集真实城市道路场景下图像视频数据，对所述图像视频流数据进行目标检测和车道线检测，获取目标回归框坐标和车道线坐标；/n步骤2：根据所述车道线检测结果对滤波后的所述三维点云数据进行分割处理，得到静态场景和动态场景；/n步骤3：对所述静态场景进行基于静态特征点的同步定位和构图，输出自身定位与静态场景子图，对所述动态场景三维点云数据进行三维目标检测，输出三维回归框坐标，将所述三维回归框坐标结合所述目标回归框坐标进行检测结果决策融合，基于...
【技术特征摘要】
1.一种SLAM与目标跟踪方法，其特征在于：所述方法包括如下步骤：
步骤1：采集真实城市道路场景下三维点云数据，对所述三维点云数据进行滤波处理，采集真实城市道路场景下图像视频数据，对所述图像视频流数据进行目标检测和车道线检测，获取目标回归框坐标和车道线坐标；
步骤2：根据所述车道线检测结果对滤波后的所述三维点云数据进行分割处理，得到静态场景和动态场景；
步骤3：对所述静态场景进行基于静态特征点的同步定位和构图，输出自身定位与静态场景子图，对所述动态场景三维点云数据进行三维目标检测，输出三维回归框坐标，将所述三维回归框坐标结合所述目标回归框坐标进行检测结果决策融合，基于所述融合结果进行基于贝叶斯滤波的多目标跟踪，输出动态目标位姿与轨迹，构建动态对象子图；
步骤4：采用图优化全局优化方法，输入所述自身定位，将所述静态特征点与动态语义对象作为统一的路标点，优化自身位置与路标位置，输出优化后的所述自身定位和场景地图。
2.如权利要求1所述的SLAM与目标跟踪方法，其特征在于：所述动态场景点为所述车道线内的所述三维点云数据；所述静态场景点包括所述车道线外的所述三维点云数据和被滤波的所述三维点云数据。
3.如权利要求1所述的SLAM与目标跟踪方法，其特征在于：所述步骤1中对所述三维点云数据进行的滤波处理为基于特征轴的地面点提取，将原始三维点云数据分为地面点与非地面点。
4.如权利要求1～3中任一项所述的SLAM与目标跟踪方法，其特征在于：所述三维点云数据通过激光雷达进行采集，所述图像视频数据通过摄像头采集。
5.如权利要求4所述的SLAM与目标跟踪方法，其特征在于：所述步骤2中包括预先对所述摄像头进行内参标定，获取摄像头内参；并对激光雷达与摄像头进行联合标定，获取所述三维点云数据与所述图像像素点之间的投影变换矩阵。
6.如权利要求4所述的SLAM与目标跟踪方法，其特征在于：所述步骤2中基于所述视频流的车道线检测输出的二维坐标，经过所述摄像头内参的透视变换，得到摄像头坐标系下的坐标信息；再根据联合校准的结果，对所述摄像头坐标系下的点进行旋转平移变换，得到车道线信息在激光雷达坐标系下的坐标。
7.如权利要求4所述的SLAM与目标跟踪方法，其特征在于：所述步骤3包括如下步骤：
...
【专利技术属性】
技术研发人员：王忠立，蔡伯根，李文仪，王剑，陆德彪，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。