融合高精度地图的多激光雷达路侧智能感知方法OA北大核心CSTPCD

在车路协同路侧感知研究中,由于点云数据量庞大且存在着不可避免的目标遮挡情况,导致检测效率低、目标轨迹不稳定和跟踪精度低的问题。针对上述问题,提出了1种融合高精度地图的多激光雷达路侧智能感知方法,通过融合高精度地图信息,提高感知结果的准确性和可靠性。该方法分为3个部分:①通过多激光雷达的标定结果,利用高精度地图完成三维点云区域中感兴趣区域的提取,从而有效减少待处理点云的数量,提升计算效率;②基于极化图高斯混合背景模型的背景建模方法,利用极化图完成运动目标快速检测,避免大规模激光点云的直接处理,有效提升检测效率;③利用车辆航向与车道线方向一致性约束,将高精度地图中的车道方向转化为卡尔曼滤波框架下的车辆状态线性约束,改善车辆检测与轨迹跟踪的性能。实验中,分别在仿真交叉路口与实车实验道路双T形路口对算法与模型进行测试验证。相比于其他方法,所提出的方法数据量减少了55%,目标检测准确率提高了12%,耗时减少了56%,目标跟踪的误差极值、误差均值以及均方根误差均有所降低。实验结果表明:所提的方法能有效融合高精度地图信息,在大范围道路场景下实现对道路运动目标的快速检测与稳定跟踪。