基于擴展物體法的車輛跟蹤：雷達與激光融合的方法

（Vehicle Tracking Using Extended Object Methods:An Approach for Fusing Radar and Laser）

自動駕駛車輛裝備有各種傳感器用以感知周圍環境。這些傳感器包括雷達傳感器，激光掃描儀，超聲波傳感器，單眼或立體相機。為了獲得其他交通參與者的具體信息，如他們的姿勢，速度，偏航率等信息，傳感器數據通常在跟蹤模塊中被處理。本文提出了一種利用雷達傳感器和激光掃描儀對車輛進行跟蹤的新方法。這種方法分別用雷達和激光數據跟蹤車輛，并通過新的遮擋處理擴展了激光測量模型。

該方法可以充分利用所有可用的信息，包括一些模糊的信息。使用基于隨機有限集（RFS）方法的多目標濾波器來解決多目標問題，同時，該濾波器也用于集中融合來自兩個短程雷達傳感器和平面激光掃描儀的數據。使用擴展的物體測量模型來對激光和雷達數據進行處理，同時這些模型還能夠處理模糊數據、視角變化以及進入和離開視場的物體。使用廣義多伯努利坐標表示多物體狀態的使得濾波器能夠考慮多個假設以及矛盾解決的情況。這使得詳細的擴展對象模型能夠處理模糊數據。所以，該方法能夠很容易的解決以下幾種以往難以處理的場景信息，如（部分）遮擋場景、進入和離開視場的物體以及具有很小反射面積的轉向車輛。

通過MATLAB仿真以及兩個試驗場景測試來評估所提出的車輛跟蹤方法。試驗和仿真結果表明，該方法具有很高的跟蹤精度以及良好的適應性。