基于擴(kuò)展物體法的車輛跟蹤：雷達(dá)與激光融合的方法

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

自動駕駛車輛裝備有各種傳感器用以感知周圍環(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，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車輛進(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)跟蹤車輛，并通過新的遮擋處理擴(kuò)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(jī)有限集（RFS）方法的多目標(biāo)濾波器來解決多目標(biāo)問題，同時，該濾波器也用于集中融合來自兩個短程雷達(dá)傳感器和平面激光掃描儀的數(shù)據(jù)。使用擴(kuò)展的物體測量模型來對激光和雷達(dá)數(shù)據(jù)進(jìn)行處理，同時這些模型還能夠處理模糊數(shù)據(jù)、視角變化以及進(jìn)入和離開視場的物體。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假設(shè)以及矛盾解決的情況。這使得詳細(xì)的擴(kuò)展對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景信息，如（部分）遮擋場景、進(jìn)入和離開視場的物體以及具有很小反射面積的轉(zhuǎn)向車輛。

通過MATLAB仿真以及兩個試驗(yàn)場景測試來評估所提出的車輛跟蹤方法。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。