基于擴(kuò)展物體法的車(chē)輛跟蹤：雷達(dá)與激光融合的方法

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

自動(dòng)駕駛車(chē)輛裝備有各種傳感器用以感知周?chē)h(huán)境。這些傳感器包括雷達(dá)傳感器，激光掃描儀，超聲波傳感器，單眼或立體相機(jī)。為了獲得其他交通參與者的具體信息，如他們的姿勢(shì)，速度，偏航率等信息，傳感器數(shù)據(jù)通常在跟蹤模塊中被處理。本文提出了一種利用雷達(dá)傳感器和激光掃描儀對(duì)車(chē)輛進(jìn)行跟蹤的新方法。這種方法分別用雷達(dá)和激光數(shù)據(jù)跟蹤車(chē)輛，并通過(guò)新的遮擋處理擴(kuò)展了激光測(cè)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(jī)有限集（RFS）方法的多目標(biāo)濾波器來(lái)解決多目標(biāo)問(wèn)題，同時(shí)，該濾波器也用于集中融合來(lái)自兩個(gè)短程雷達(dá)傳感器和平面激光掃描儀的數(shù)據(jù)。使用擴(kuò)展的物體測(cè)量模型來(lái)對(duì)激光和雷達(dá)數(shù)據(jù)進(jìn)行處理，同時(shí)這些模型還能夠處理模糊數(shù)據(jù)、視角變化以及進(jìn)入和離開(kāi)視場(chǎng)的物體。使用廣義多伯努利坐標(biāo)表示多物體狀態(tài)的使得濾波器能夠考慮多個(gè)假設(shè)以及矛盾解決的情況。這使得詳細(xì)的擴(kuò)展對(duì)象模型能夠處理模糊數(shù)據(jù)。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(chǎng)景信息，如（部分）遮擋場(chǎng)景、進(jìn)入和離開(kāi)視場(chǎng)的物體以及具有很小反射面積的轉(zhuǎn)向車(chē)輛。

通過(guò)MATLAB仿真以及兩個(gè)試驗(yàn)場(chǎng)景測(cè)試來(lái)評(píng)估所提出的車(chē)輛跟蹤方法。試驗(yàn)和仿真結(jié)果表明，該方法具有很高的跟蹤精度以及良好的適應(yīng)性。