基于毫米波雷达和自动驾驶汽车LiDAR传感器信息融合的多目标追踪方法
Junren Shi1, Yingjie Tang1, Jun Gao2
1School of Automation, Chongqing University of Posts and Telecommunications, Chongqing 400065, China.
Sensors (Basel, Switzerland)
|August 12, 2023
概括
这项研究引入了一种用于自动驾驶汽车的先进多目标追踪方法,将毫米波雷达和激光雷达数据融合在一起,以在复杂的驾驶场景中提高准确性. 与单个传感器系统相比,新方法显著减少了估计错误,并改善了整体跟踪性能.
科学领域:
- 机器人技术和自主系统
- 传感器融合和感知感应
- 智能运输系统 智能运输系统
背景情况:
- 多目标追踪对于自动驾驶汽车的情报至关重要.
- 现有的方法在数据准确性,可靠性和复杂场景方面扎.
- 毫米波雷达和激光雷达数据的融合带来了挑战.
研究的目的:
- 为自动驾驶汽车提出一种新的多目标追踪方法.
- 通过融合毫米波雷达和激光雷达数据来提高追踪精度和可靠性.
- 解决复杂驾驶环境中当前跟踪方法的局限性.
主要方法:
- 开发了一个分布式多传感器多目标跟踪 (DMMT) 系统.
- 实施雷达和激光雷达的单个传感器跟踪,然后使用卡尔曼波器和残余偏差估计进行时间和空间记录.
- 使用顺序的m-best方法进行轨道协会和IF异质传感器融合,以获得最佳的轨道组合.
主要成果:
- 拟议的方法在高速驾驶场景中成功追踪多个目标.
- 与单个雷达追踪器相比,位置 (85.5%),速度 (64.6%),大小 (75.3%) 和方向 (9.5%) 的估计错误显著减少.
- 平均GOSPA (基于最优子模式分配) 度量减少了19.8%,这表明跟踪准确度有所提高.
结论:
- 拟议的传感器融合方法为自动驾驶汽车提供稳定和高精度的全球轨道.
- 这种方法克服了单个传感器跟踪的局限性,并在复杂的场景中提高了性能.
- 该方法比传统的单一雷达追踪器提供更准确的目标状态信息.
