?
車燈自動控制算法的光斑跟蹤
多目標跟蹤對于車燈自動控制算法(AHC)是一項重要的任務。由于光斑小而密集的存在,且嵌入式平臺的計算能力有限,因此多目標跟蹤具有挑戰性。跟蹤方法在保證準確的同時,計算效率應當高。結合興趣點跟蹤和位置跟蹤的概念,提出了一種新型的多目標跟蹤方法。在興趣點跟蹤中,利用了基于特征的外觀跟蹤點;而位置跟蹤則利用運動學特征跟蹤。興趣點跟蹤方法采用特征集,該特征集包括熟知的基于特征的外觀和新穎的亮點環境特征。使用基于搜索方法的遺傳算法而更集中過濾出該特征集。用一種高效的計算方法將從這些特征中得到的信息與運動特征結合起來。這種融合的信息用于跟蹤光斑。該方法提高了65%的跟蹤率,并在如車輛俯仰等情況下顯示了更好的性能,提高了系統性能。
結合從興趣點跟蹤中獲知的基于外觀的關聯和基于預測點位置及大小的基本跟蹤系統關聯,實現了一種新的跟蹤-數據關聯算法。對于基于外觀的關聯,生成了點跟蹤和光斑檢測候選特征向量。為了保證運行時的低要求,用特征選擇來保持特征數量較少,因此采用了遺傳算法。該算法基于大量的現有特征和新特征來決定最優的特征向量。
為了解決特殊情況下的關聯問題,開發一個新的環境特征,該特征抓住了不同光斑候選之間的相互位置。特征選擇表明,這種新特征對系統做了非常有價值的補充。為了將基于關聯的特征集成到系統,開發了一種將基于關聯的新特征和基于關聯的已有過濾器結合在一起的融合算法。通過使用新方法,跟蹤錯誤的數量減少了2/3。
Jittu Kurian et al. Proceedings of the 16th International IEEE Annual Conference on Intelligent Transportation Systems (ITSC 2013), The Hague, The Netherlands-October 6-9, 2013.
編譯:王欣欣