使用激光传感器基于L模型算法的车辆轨迹跟踪

（L-Shape Model Switching-Based Precise Motion Tracking of Moving Vehicles Using Laser Scanners）

移动物体的检测和跟踪是自动驾驶汽车最重要的功能之一。为了精确地估计移动物体的动态信息，激光扫描仪数据被广泛用做其高度精确的距离数据。但是，这些数据由于检测物体的外观变化，会产生预计动态状态的意外跟踪误差。本文为了最大限度地减少由外观变化引起的跟踪误差，提出了一种基于L形模型切换的跟踪算法。所提出的算法在实际交通实验中被验证，包括使用激光传感器，精确的GPS测量位置，速度和航向角误差的验证。

激光传感器产生的原始数据是一组代表障碍物距离的点。为了将这些点转换成有意义的信息，这些点被聚类并抽象为L形特征。然而，驾驶环境中的聚集点云具有各种形状。所提出的方法主要针对车辆进行检测和跟踪。由于大多数车辆是箱形的，所以L形特征对于表示具有简单结构的车辆是有效的。从非L形点云中提取L形特征的关键问题是定位误差。方向难以从圆形物体中提取，物体缺乏方位。对于车辆来说，由于保险杠是弯曲的，点云通常是U形的。这个弯曲的保险杠可以安装一个方向误差传感器，大部分在10度以内。这种定位误差水平可以通过L形跟踪算法来抑制。

L形跟踪算法使用最近邻数据关联的卡尔曼滤波器来估计轨迹的动态和形状状态。为了精确估计轨迹的动态状态，L形跟踪器不仅采用动态模型，而且采用形状模型。该跟踪算法还包括根据外观变化来补偿角点切换的L形模型。

结果表明，L形跟踪算法成功地减轻了外观变化的影响，提高了估计性能。