用路边LiDAR检测和跟踪车辆,使用改进的ResNet18和匈牙利算法
Ciyun Lin1,2, Ganghao Sun1, Dayong Wu3
1Department of Traffic Information and Control Engineering, Jilin University No. 5988, Renmin Street, Changchun 130022, China.
Sensors (Basel, Switzerland)
|October 14, 2023
概括
使用路边LiDAR基础设施的新车辆跟踪算法实现了自动驾驶的100毫秒延迟. 该系统提高了检测精度和跟踪性能,这对于5级自主和实时运输应用至关重要.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 运输工程 运输工程
背景情况:
- 实现5级自动驾驶需要车辆基础设施的协作,需要低延迟,高速的数据处理.
- 目前的系统在保持检测准确性和减少实时应用的延迟方面面临着挑战.
研究的目的:
- 引入使用路边LiDAR基础设施的车辆跟踪算法,以实现低延迟 (100毫秒),而不会影响检测准确度.
- 加强车辆检测和跟踪,以提高自动驾驶场景中的性能.
主要方法:
- 使用ResNet18开发了一种车辆检测架构,优化鸟视图 (BEV) 映射和损失功能,以实现全率检测.
- 提出了一种三阶段的车辆跟踪算法,以时空逻辑性和轨迹相似性增强匈牙利算法,以处理阻塞.
- 在KITTI数据集和MATLAB/Simulink模拟数据集上测试了框架.
主要成果:
- 在车辆检测方面获得了96.97% (KITTI) 和98.58% (MATLAB/Simulink) 的F1分数.
- 获得的MOTA分数为88.12% (KITTI) 和90.56% (MATLAB/Simulink),以及车辆跟踪的ID-F1分数为95.16% (KITTI) 和96.43% (MATLAB/Simulink).
- 与传统方法相比,计算速度显著改善.
结论:
- 拟议的基于LiDAR的车辆跟踪算法有效地将延迟时间降低到100ms,同时保持高检测和跟踪精度.
- 增强的跟踪算法优于传统方法,特别是在处理阻塞和提高计算速度方面.
- 该框架是实现5级自动驾驶所需的实时性能的一个有希望的解决方案.
