基于激光雷达的三维多目标检测与跟踪

吴开阳; 秦文虎; 云中华; 师威鹏

doi:10.13873/J.1000-9787(2023)01-0122-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于激光雷达的三维多目标检测与跟踪

计算与测试 | 更新时间：2025-09-11

- 基于激光雷达的三维多目标检测与跟踪
- 暂无标题
- 传感器与微系统 2023年第1期页码：122-125+130
- 作者机构：
  
  东南大学仪器科学与工程学院
- 作者简介：
- 基金信息：
  
  江苏现代农业产业关键技术创新资助项目(CX(20)2013);江苏省重点研发计划资助项目(BE2019311);南通市民生科技面上资助项目(MS12019051)
- DOI：10.13873/J.1000-9787(2023)01-0122-04
  中图分类号： TN958.98;U463.6
- 纸质出版：2023
- 稿件说明：
移动端阅览
吴开阳, 秦文虎, 云中华, 等. 基于激光雷达的三维多目标检测与跟踪[J]. 传感器与微系统, 2023,(1):122-125+130.
吴开阳, 秦文虎, 云中华, 等. 基于激光雷达的三维多目标检测与跟踪[J]. 传感器与微系统, 2023,(1):122-125+130. DOI： 10.13873/J.1000-9787(2023)01-0122-04.

DOI：

摘要

在自动驾驶应用中，为提高基于激光雷达的三维(3D)多目标跟踪精确度，降低计算时间成本与系统复杂性，提出了一种快速准确的实时3D多目标跟踪技术—PV3DMOT。该方法先结合体素和点云进行全面特征学习，以实现快速准确的3D目标检测，然后用3D卡尔曼滤波器进行目标状态预测与更新，并利用马氏距离与贪心算法完成数据关联，最终实现高效的3D多目标实时跟踪。经自动驾驶KITTI数据集实验测试，该方法的检测结果在中等与困难类别中的准确率相比Voxel R-CNN算法提升了0.2%

跟踪结果相比AB3DMOT算法，其关联准确率提升了1.16%

联合召回率提升了3.44%

能有效提高智能驾驶中3D多目标检测跟踪的精确度。

Abstract

关键词

Keywords

references

基于欧氏聚类的改进激光雷达障碍物检测方法[J]. 刘畅;赵津;刘子豪;王玺乔;赖坤城.激光与光电子学进展,2020(20)

基于激光点云全局特征匹配处理的目标跟踪算法[J]. 钱其姝;胡以华;赵楠翔;李敏乐;邵福才.激光与光电子学进展,2020(06)

智能驾驶中点云目标快速检测与跟踪[J]. 叶语同;李必军;付黎明.武汉大学学报(信息科学版),2019(01)

Vision meets robotics: The KITTI dataset[J]. A Geiger;P Lenz;C Stiller;R Urtasun.The International Journal of Robotics Research,2013

浏览量

675

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

热成像激光雷达GNSS多传感器融合抗干扰定位

公路场景中低空多源数据融合方法综述

改进的激光雷达线段特征提取方法

矿用激光雷达传感器无线供电及电机续流设计与测试

基于点线面特征匹配的紧耦合激光雷达惯性里程计