专利汇可以提供基于激光雷达的移动平台自适应扩展目标跟踪系统及方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于 激光雷达 的移动平台自适应扩展目标 跟踪 系统及方法,该系统包括全局 定位 、局部地图生成、目标检测与识别、运动目标分类和自适应跟踪模 块 。其中,全局定位模块用于获取移动平台实时 位置 与运动状态信息;局部地图生成模块根据激光雷达数据生成当前位置对应的局部地图;目标检测与识别模块对当前时刻局部地图进行聚类、特征提取处理,检测与识别运动目标;运动目标分类模块将目标分类为扩展目标与点目标;自适应跟踪模块在同一时刻实现扩展目标和点目标混合跟踪,在不同时刻实现同一目标自适应跟踪模型切换。本发明实现扩展目标跟踪处理来增强目标跟踪效果,有助于提高移动平台环境 感知 性能及适应能 力 。,下面是基于激光雷达的移动平台自适应扩展目标跟踪系统及方法专利的具体信息内容。
1.一种基于激光雷达的移动平台自适应扩展目标跟踪系统,其特征在于,包括:全局定位模块、局部地图生成模块、目标检测与识别模块、运动目标分类模块和自适应跟踪模块,其中:所述全局定位模块,用于通过卫星定位设备获取移动平台在地理坐标系下的位置与运动状态信息;所述局部地图生成模块,用于通过激光雷达传感器检测平台周围环境,根据激光雷达量测数据,生成移动平台当前位置对应的局部地图;所述目标检测与识别模块,用于对当前时刻局部地图进行聚类、特征提取处理,并根据历史局部地图数据和全局定位模块获得的移动平台位置与运动状态信息,采用基于形状特征和运动特征两种方法检测并识别运动目标;所述运动目标分类模块,用于根据运动目标距离远近、形状特征大小将目标分类为扩展目标与点目标,并采用扩展目标运动状态向量和点目标运动状态向量分别进行描述;所述自适应跟踪模块,用于根据运动目标分类结果,在同一时刻分别建立扩展目标跟踪滤波器和点目标跟踪滤波器对扩展目标和点目标实现混合跟踪,在不同时刻对同一目标实现自适应跟踪模型切换。
2.根据权利要求1所述的基于激光雷达的移动平台自适应扩展目标跟踪系统,其特征在于,所述局部地图生成模块生成的移动平台周围局部地图的格式为栅格地图,局部地图表示为以移动平台当前位置为原点,平台前方为y轴正向,垂直y轴方向向右为x轴正向,长为L、宽为W的矩形区域,选取规格为R*R的单元栅格将局部地图离散化为n*m个栅格,n=L/R,m=W/R,每个栅格用一个向量表示为sj=(sxj,syj,fj,pointlist(j))T,局部地图表示为以栅格向量sj为元素的矩阵Grid=[sj]1,n*m,其中xj、yj为栅格中心坐标,fj为栅格状态,pointlist(j)={pj1,pj2,…,pja(j)}表示该栅格中包含的激光雷达传感器扫描点转换到移动平台坐标系下的坐标数据集合,其中a(j)表示该栅格包含激光雷达扫描点个数,pji=(pxi,pyi),i∈[1,a(j)]表示第i个扫描点在移动平台坐标系下坐标。
3.根据权利要求1所述的基于激光雷达的移动平台自适应扩展目标跟踪系统,其特征在于,所述目标检测与识别模块对当前时刻局部栅格地图进行聚类、特征提取处理,同时根据历史时刻局部地图,以及移动平台位置与运动状态信息,从当前局部地图中检测与识别候选运动目标,其步骤包括:
(1)栅格点聚类:将当前局部栅格地图转化为二值图像格式,其中占据状态栅格像素值为0,表示为黑色,未占据状态栅格像素值为255,表示为白色,并设图像的背景颜色为白色,得到分辨率为n*m的图像。对该图像进行形态学闭运算、连通区域分析,将属于同一连通区域的占据栅格视为一个聚类,得到当前k时刻栅格聚类集合Ck={ck1,c2k,…,ckck},ck为聚类个数,第i个聚类cki=({sj},ni),{sj}表示第i个聚类包含的栅格点集合,ni为所包含栅格点个数;
(2)特征提取:根据(1)中每一个聚类cki包含栅格点个数ni是否大于阈值n_threshold,i
如果n≥n_threshold,则表示目标距离移动平台较近,考虑目标扩展特性,对第i个聚类内部激光雷达扫描点集合进行特征提取处理;
(3)基于形状特征目标检测:设实际目标宽度为Wc,长度为Lc,从聚类集合Ck中筛选特征信息wi和li分量为非空,且满足|wi-Wc|≤aw,|li-Lc|≤al两个条件的聚类cki,aw和al为比较小的范围阈值,将其标记为候选运动目标,当前时刻基于形状特征目标检测特征向量集合为Ofk={tk1,tk2,…,tkfn},fn为基于形状特征检测候选运动目标个数;
(4)基于运动特征目标检测:对于聚类集合Ck中特征信息wi和li分量为空的聚类cki,根据移动平台位置与运动状态信息,将前N个时刻的局部地图数据进行空间对准到当前时刻局部地图中,如果该聚类cki位置信息在N+1个时刻内发生连续变化,则将该聚类标记为候选运动目标,当前时刻基于运动特征目标检测特征向量集合为Osk={tk1,tk2,…,tksn},sn为基于运动特征检测候选运动目标个数;
(5)候选运动目标确认:根据(4)、(5)检测结果,确认当前时刻候选运动目标Ok={Ofk,Osk},候选运动目标数量为On=fn+sn。
4.根据权利要求3所述的基于激光雷达的移动平台自适应扩展目标跟踪系统,其特征在于,所述步骤(2)对第i个聚类内部激光雷达扫描点集合进行特征提取处理,具体包括点云聚类、分割、直线拟合,提取该聚类宽度wi和长度li扩展信息,用特征向量tki=(di,xi,yi,wi,li)描述该目标;如果ni
5.根据权利要求3所述的基于激光雷达的移动平台自适应扩展目标跟踪系统,其特征在于,所述局部地图生成模块中,激光雷达传感器检测并获取移动平台周围环境信息,如果某个栅格中包含的激光雷达扫描点数量a(j)大于等于某一阈值,则设置该栅格状态fj=1,反之fj=0,生成的局部栅格地图为Mapk={L,W,Grid}。
6.根据权利要求3所述的基于激光雷达的移动平台自适应扩展目标跟踪系统,其特征在于,所述运动目标分类模块根据运动目标距离远近、形状特征大小将目标分类为扩展目标与点目标,并分别采用向量XE=[x,vx,y,vy,w,l]描述扩展目标状态,向量XP=[x,vx,y,vy]描述点目标状态。
7.根据权利要求1所述的基于激光雷达的移动平台自适应扩展目标跟踪系统,其特征在于,所述自适应跟踪模块在同一时刻分别建立扩展目标跟踪滤波器和点目标跟踪滤波器对扩展目标和点目标实现混合跟踪,并对同一目标不同跟踪时刻实现自适应跟踪模型切换,其步骤包括:
(1)根据运动目标分类结果,分别对扩展目标和点目标建立跟踪状态空间模型;
(2)建立多目标跟踪管理器,对目标跟踪起始、终止进行管理,基于最近邻目标关联和卡尔曼滤波器原理,同时建立扩展目标跟踪滤波器和点目标跟踪滤波器对当前确认候选运动目标实现混合跟踪;
(3)在跟踪过程中,根据目标扩展特征大小变化情况,并对同一目标不同跟踪时刻实现自适应跟踪模型切换。
8.一种基于权利要求1所述系统的激光雷达的移动平台自适应扩展目标跟踪方法,其特征在于,包括以下步骤:
(1)移动平台位置与运动状态检测:在当前时刻k,全局定位模块通过卫星定位设备采集并计算移动平台自身在地理坐标系下的位置Lk=(xk,yk,zk)和运动速度vk;
(2)局部地图生成:激光雷达传感器采集移动平台周围环境信息,生成当前k时刻的局部栅格地图Mapk={L,W,Grid};
(3)目标检测与识别:目标检测与识别模块首先对当前时刻局部栅格地图进行栅格点聚类处理,同时对聚类内部激光雷达扫描点云进行特征提取,然后根据历史局部地图信息,以及移动平台位置与运动状态信息,采用基于形状特征和运动特征两种方法从所有聚类中检测与识别候选运动目标Tk={tki}。如果能提取到第i个候选运动目标的特征信息且特征尺寸大于某一阈值,则将目标用特征向量描述为tki=(di,xi,yi,wi,li),反之,用特征向量tki=(di,xi,yi)进行描述,其中di为目标中心距移动平台距离,xi和yi分别为目标中心在移动平台坐标系下坐标,wi表示目标沿移动平台坐标系x轴扩展,即目标宽度,li表示目标沿y轴向扩展的目标长度信息;
(4)运动目标分类:运动目标分类模块主要根据运动目标距离远近、形状特征大小将目标分类为扩展目标与点目标,如果目标距离小于某一阈值,且目标长度、宽度大于某一阈值,则将该目标标记为扩展目标,反之,标记为点目标。采用向量XE=[x,vx,y,vy,w,l]描述扩展目标运动状态,向量XP=[x,vx,y,vy]描述点目标运动状态,其中x和y分别为目标中心在移动平台坐标系下坐标,vx和vy分别为目标在移动平台坐标系下x轴和y轴方向速度分量,w和l分别为目标宽度和长度;
(5)自适应目标跟踪:自适应目标跟踪模块主要根据运动目标分类结果,分别建立扩展目标跟踪滤波器和点目标跟踪滤波器,在同一时刻对扩展目标和点跟踪实现混合跟踪处理,在不同时刻对同一目标实现自适应跟踪模型切换。
9.根据权利要求8所述的激光雷达的移动平台自适应扩展目标跟踪方法,其特征在于,所述步骤(5)自适应目标跟踪的步骤包括:
(1)状态空间模型建立:根据扩展目标和点目标状态向量模型,定义扩展目标量测为ZE=(x,y,w,l)T,点目标量测为ZP=(x,y)T,则扩展目标跟踪模型描述为:
点目标跟踪模型描述为:
其中AE和AP分别为各自模型的状态转移矩阵,其值随目标运动模型不同而不同;HE和HP分别为各自模型的观测向量矩阵,其值随状态向量和观测向量之间的变换关系而定;qE、rE和qP、rP分别为各自模型的过程误差和量测误差;
(2)多模型混合跟踪:建立多目标跟踪管理器,对目标跟踪起始、终止进行管理,基于最近邻目标关联和卡尔曼滤波器原理,根据运动目标分类结果,同时建立扩展目标跟踪滤波器和点目标跟踪滤波器对当前确认候选运动目标集合Ok中扩展目标和点目标实现混合跟踪,更新当前时刻各目标最优状态估计;
(3)同一目标跟踪模型切换:在跟踪过程中,根据目标扩展特征大小变化情况,对目标跟踪模型实现自适应切换,具体包括由点目标跟踪模型切换为扩展目标跟踪模型和由扩展目标跟踪模型切换为点目标跟踪模型两种切换类型。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种多通道远场语音增强方法 | 2020-05-08 | 54 |
一种动脉瘤破裂风险评估方法及系统 | 2020-05-08 | 904 |
一种基于复杂网络理论的城市交通异常识别方法 | 2020-05-11 | 352 |
一种基于多传感器的大坝安全智能监测与预警系统及方法 | 2020-05-11 | 91 |
数据处理方法、装置和目标对象风险监控方法 | 2020-05-08 | 175 |
一种转炉冶炼喷溅监控方法、系统、存储介质和设备 | 2020-05-08 | 101 |
一种地址信息文本的提取方法及相关设备 | 2020-05-08 | 919 |
车辆轨迹异常判断方法及装置 | 2020-05-08 | 247 |
基于迫零算法和拓扑结构的相似脆弱性节点选择方法 | 2020-05-08 | 791 |
基于深度学习的单目视觉里程计方法及系统 | 2020-05-11 | 492 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。