基于激光雷達深度信息和視覺HOG特征的車輛識別與跟蹤方法

(1. 陸軍工程大學石家莊校區(qū)車輛與電子工程系， 河北 石家莊 050003；

2. 北京理工大學機械與車輛學院， 北京 100081; 3. 中國船舶工業(yè)集團第6354研究所， 江西 九江 332100)

在無人車自動駕駛領域，車輛的識別和跟蹤作為一項關(guān)鍵技術(shù)， 為無人車的自主控制和安全行駛提供基礎。現(xiàn)有的車輛檢測和跟蹤傳感器主要有激光雷達[1-2]和視覺攝像機[3]。甘志梅等[4]利用2D激光雷達信息建立車輛模型以對前方車輛進行識別，并采用Kalman濾波實現(xiàn)了目標跟蹤；但2D激光雷達掃描的是二維環(huán)境信息，信息量少，無法準確識別出物體的形狀，跟蹤效果比較差。視覺攝像機進行車輛檢測和跟蹤時，檢測范圍廣，可以獲取車輛邊緣[5]、紋理、顏色和對稱性[6]等信息；但檢測到的前方車輛外形、顏色和視角存在偏差，提取的準確率較低，不能滿足車輛檢測的實時性要求[7]，同時無法獲取車輛的深度信息[8]。麥新晨等[9]利用激光雷達數(shù)據(jù)生成車輛假設的興趣區(qū)域，選取車輛的車底陰影、輪廓對稱性、區(qū)域紋理和角點數(shù)構(gòu)成多特征對車輛進行識別驗證;但檢測到的前方車輛輪廓、區(qū)域紋理和角點存在差異，這些特征不能很好地表征車輛特征，無法對漂移和遮擋的目標進行準確跟蹤。視覺方向梯度直方圖(Histograms of Oriented Gradients,HOG)特征被提出后,首先運用在行人檢測上，并得到了很好的驗證。HOG特征由于其在局部幾何以及光學變化上具有良好的不變性，因此得到了廣泛的應用，成功運用于自動分割人眼的虹膜圖像[10]、交通標態(tài)檢測[11]和車輛檢測[12]等領域。……