一种应用于智能汽车多目标识别与跟踪的客观测试评价系统开发

摘要

基于视觉的多目标检测与跟踪是计算机视觉和图像信息处理等领域的研究热点之一，在驾驶辅助、无人驾驶、智能交通等方面有着重要的应用。多目标检测与跟踪算法开发多借助于实车场地测试，存在安全隐患高、可重复性差、受道路环境及实验条件限制等问题，使得对商业化运营或者处于开发阶段的多目标检测和跟踪算法进行测试和客观评价，并通过客观评价结果进行算法改进已成为日益迫切的需求。本文以基于机器视觉的多目标检测与跟踪算法为研究内容，设计了相应的检测与跟踪算法性能测试评价系统，主要内容如下:
　　(1)针对多目标检测与跟踪算法开发多借助于实车场地测试，存在安全隐患高、可重复性差、受道路环境及实验条件限制等问题，在硬件在环和六自由度驾驶模拟器的基础上开发了智能汽车环境感知算法检测与评价系统;为兼顾虚拟测试的可重复性、可拓展性以及道路测试的真实性，采用预先拍摄的真实交通场景作为系统的输入场景信息。
　　(2)针对现有检测算法评价体系多借助于人工标定的不足，提出基于机器学习的标准检测算法和基于数据关联的检测评价算法。标准检测算法通过对标准空间的样本在离线状态下进行机器学习，得到目标检测评价标准，然后利用测试该检测标准对被测图像帧进行比对。结果关联算法把每一帧待测图像检测结果与标准检测结果进行数据关联对比，确定待测评算法检测结果与标准检测结果的对应关系，从而对多目标检测结果的准确率、漏警率等指标进行测试评价;同时将标准结果的前后帧进行数据关联生成标准轨迹，以对待测图像多目标跟踪轨迹进行测评。
　　(3)借鉴亚采样思想通过数据关联方法生成标准轨迹，在数据关联方法生成标准轨迹的基础上，提出一种基于ICP配准的轨迹匹配和目标匹配测试评价方法，算法匹配结果在得到目标轨迹与标准轨迹距离误差的同时反映了曲率、速度、轨迹走势等轨迹形状，以及曲线上每点的旋转、平移距离。测评算法输入的跟踪轨迹与标准轨迹用主曲线表示，并通过ICP算法实现空间主曲线段配准，以此找到多目标各自相对应的跟踪轨迹段。根据ICP算法结果可评价二者轨迹差异，该值可以作为评价指标，用于评价轨迹跟踪性能。解决了多目标轨迹跟踪关联耗时长、目标容易丢失、目标密集区域错误率高的问题。
　　(4)建立了多目标检测跟踪算法性能进行客观评价的指标体系，多目标检测跟踪测试评价通过轨迹跟踪评价指标及目标检测评价指标两个方面进行测试评价。其中，跟踪轨迹结果从准确性、连续性和稳定性三个方面进行测试评价。目标检测评价从准确性、稳定性、通用性、实时性四个方面进行测评。解决了当前目标检测跟踪评估指标繁杂、对应关系不明确且仅对单一目标测评的缺点。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．1．1 社会影响

1．1．2 缺乏健全的智能汽车测试评价体系

1．2 智能汽车多目标识别与跟踪测试评价研究现状

1．2．1 驾驶模拟器研究现状

1．2．2 车辆仿真测试评价研究现状

1．2．3 多目标检测跟踪测试评价研究现状

1．3 论文研究内容安排

第二章 测试评价系统架构

2．1 HIL硬件在环实时仿真系统

2．2 视景仿真系统

2．3 黑箱系统

2．4 上位机试验管理系统

2．5 六自由度驾驶员模拟器

2．5．1 六自由度运动平台

2．5．2 车辆动力学模型

2．5．3 运动学反解算法

2．5．4 Washout滤波算法

2．6 小结

第三章 多目标检测跟踪测试评价

3．1 标准检测算法

3．1．1 标准空间建立

3．1．2 样本特征提取

3．1．3 分类器训练

3．2 结果关联算法

3．3 轨迹优化

3．4 轨迹匹配测试评价

3．8 目标匹配测试评价

3．6 小结

第四章 多目标检测跟踪测试评价指标

4．1 轨迹跟踪评价指标

4．1．1 准确性评价

4．1．2 连续性测评

4．1．3 稳定性测评

4．2 目标检测评价指标

4．2．1 准确性评价

4．2．2 稳定性评价

4．2．3 通用性评价

4．2．4 实时性评价

4．3 实验结果与分析

4．4 小结

第五章 总结与展望

5．1 论文工作总结

5．2 工作展望

致谢

参考文献

攻读学位期间取得的研究成果