基于视觉和激光数据融合的3D多目标跟踪

多目标跟踪是自动驾驶领域的一个重要研究课题。通过精准和有效的跟踪,自主车辆可以获知视野内车辆的速度并做出相应的运动规划。不同于大多数单独使用视觉或3D激光雷达数据的方法,致力于融合当前自动驾驶车辆上标准配置的相机和激光雷达获得的视觉和3D点云信息,从而达到跟踪感知物体的目的。首先,使用匈牙利算法作为基本模型来关联相邻帧间的每一个物体的3D点云。之后,使用RGB图像中的外观特征和3D点云的几何特征来纠正由于物体相近导致的目标索引(ID)互换。在新公开的BLVD数据集上进行算法评估,结果表现出了良好的跟踪性能。

交通场景行人穿越检测方法进展研究

随着自动驾驶和计算机视觉技术的飞速发展,人们对交通安全的重视程度越来越高。其中,交通场景中行人穿越检测问题是研究的热点与难点之一。对行人穿越检测这一领域进行了综合评述,并对未来研究进行了展望。按照行人试图穿越、正在穿越及穿越预测三个阶段进行分析,首先分析了基于行人姿态穿越意图的研究进展(试图穿越),包括人体姿态、数据驱动和高斯动力学模型三个方面;其次讨论了基于轨迹跟踪的穿越行为检测方法(正在穿越);然后概括了基于轨迹预测的行人穿越检测方法(穿越预测);最后总结了现阶段比较新颖的多传感融合、车路协同、车联网等研究角度,并对未来该领域需重点发展的方向提出建议。