![](https://csdnimg.cn/release/download_crawler_static/18268391/bg1.jpg)
收稿日期:20180621;修回日期:20180809 基金项目:四川省科技厅科技支撑项目(2017GZ0164,2017HH0102,2016GZ0026)
作者简介:张琦(1994),男,山西运城人,硕士研究生,主要研究方向为新能源无人驾驶汽车;胡广地(1965),男(通信作者),加拿大籍华人,
院长,教授,博导,博士,主要研究方向为自动控制、智能汽车等(15708455266@163.com);朱晓媛(1995),女,四川成都人,硕士研究生,主要研究
方向为无人驾驶汽车技术;陈亚东(1994),男,硕士研究生,主要研究方向为图像处理、双目视觉.
Lie群下利用改进 JPDA滤波器的智能
车立体视觉多目标跟踪方法
张 琦
a
,胡广地
b
,朱晓媛
c
,陈亚东
a
(西南交通大学 a.机械工程学院;b.汽车工程研究院;c.信息科学与技术学院,成都 610031)
摘 要:提出基于改进联合概率数据关联滤波器的智能车立体视觉多目标跟踪方法。利用立体视觉摄像头采
集车辆及行人图像、视频;在 Lie群下对传感器的不确定性进行建模,并采用欧几里德群算法对预处理的图像进
行状态滤波;在可能存在车辆的区域内利用双目视觉去除误检,并获得车辆的位置信息;通过卡尔曼滤波器对测
量的不确定度和预测目标运动的轨迹进行确认;运用改进的联合概率数据关联滤波器对车辆及行人的跟踪结果
进行优化修正。实验结果表明,提出的方法可以有效解决智能车多目标跟踪问题,大幅度提升驾驶系统的自动
化和智能化水平。相比其他较新的目标跟踪方法,提出的方法在跟踪精度和速度上具有明显的优势,且在跟踪
车辆时不会产生明显的偏移、不会遗漏对行人的跟踪。
关键词:智能驾驶系统;立体视觉;移动物体跟踪;联合综合概率数据关联;Lie群
中图分类号:TP391.41 文献标志码:A 文章编号:10013695(2019)10055312804
doi:10.19734/j.issn.10013695.2018.06.0362
Stereovisionmultiobjecttrackingforintelligentvehicleusing
jointprobabilisticdataassociationinLiegroup
ZhangQi
a
,HuGuangdi
b
,ZhuXiaoyuan
c
,ChenYadong
a
(a.SchoolofMechanicalEngineering,b.AutomotiveEngineeringResearchInstitute,c.SchoolofInformationScience&Technology,Southwest
JiaotongUniversity,Chengdu610031,China)
Abstract:Thispaperproposedastereovisionmultiobjecttrackingmethodbasedonimprovedjointprobabilisticdataassocia
tion(JPDA)filterforintelligentvehicle.Thismethodcollectedtheimagesandvideosofvehiclesandpedestrianswiththe
helpofstereocameramountedontopofavehicle.ItmodelledtheuncertaintyofsensorinLiegroupandadoptedtheEuclidean
algorithmtoimplementstatefilteringforthepreprocessedimages.ItutilizedtheimprovedJPDAtorectifythetrackingofvehi
clesandpedestrians.Experimentresultsshowthattheproposedmethodcansettlethetrackingofmultiobjectseffectively
,and
improvethelevelofautomationandintelligencefordrivingsystemdramatically.Comparedwithothernewtargettrackingmeth
ods,theproposedmethodhasobviousadvantagesintrackingprecisionandspeed.Itdoesnotproduceobviousoffsetintrack
ingthevehicleandwillnotmissthetrackingofpedestrians.
Keywords:smartdrivingsystem;stereovision;movingobjectstracking;jointprobabilisticdataassociation;Liegroup
0 引言
在各种不确定条件下实现周围环境的可靠感知是几乎任
何辅助或自治系统应用中的基本任务,尤其是随着自动驾驶研
究的不断兴起,学术界和各大科技公司正在积极开发先进的驾
驶辅助系统
[1]
。驾驶辅助系统的核心技术包括自适应巡航、
避免碰撞、变道辅助、交通标志识别和停车辅助等功能,其目标
是实现车辆驾驶的完全自动化,并在提高安全性的同时减少导
致道路事故的人为错误。在各种技术中,移动物体跟踪是驾驶
辅助系统的关键任务,当车辆可以检测其所处环境中的动态物
体并预测其未来行为时,可以大大提升车辆的智能化水平。
由于需要在不同环境条件下实现各类物体的实时、准确跟
踪,目前还没有一种传感系统可以完全提供目标跟踪所需的全
部信息。鉴于此,驾驶辅助系统通常借助包括毫米波雷达、激
光测距仪、视觉系统等设备的复合感测系统来实现移动目标的
准确检测。雷达装置
[2]
能够精 确测量物 体的相对 速度和距
离;激光测距仪
[3]
具有比雷达更高的横向分辨率,而且除了可
以精确地检测物距外,还可以检测物体的占用面积并提供详细
的场景表示。基于视觉的传感系统可以提供精确的横向测量
和丰富的图像信息,从而为基于测距的传感器道路场景分析提
供有效补充。其中,立体视觉传感器可以提供具有高横向分辨
率和较小确定范围的目标检测,同时通常为物体的识别和分类
提供足够的信息。无论使用哪种传感器,在交通场景中都必须
解决多目标跟踪的问题。此时需要跟踪每个目标的状态,同时
在杂乱环境中处理测量值,进而解决跟踪目标数据关联的问题。
文献[
4]利用目标在形变过程的灰度特征具有同频率变
化的特点,基于软特征提取方法实现了目标区域和前趋信息的
准确检测,进而实现了形变目标的长时间稳定跟踪;文献[5]
在各视频场景内事先选定一块可以清晰分辨目标表观的参考
区域,进而形成供构造模型的训练样本,同时利用两路对称、权
值共享的深度卷积神经网络实现了目标的准确跟踪;文献[6]
基于变结构运动目标前景与背景交界处具有量子频率阶跃不
变性的特点,将阶跃不变特征描述为具有独立性和约束性的视
觉量子,提高了跟踪精度和速度;文献[
7]在定义网格网络模
第 36卷第 10期
2019年 10月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol.36No.10
Oct.2019