三维点云场景动态目标检测跟踪与语义标注技术研究

摘要

基于三维激光雷达传感器的环境感知技术是当前无人地面自主车（UGV）最主要的环境感知手段。在全球最先进的UGV平台中其都占据最主要的位置，这也预示着无人驾驶在未来的发展方向。本文旨在通过城市道路场景中车辆周边环境的环境感知技术的研究，从理论和实践两方面一定程度上解决两类关键问题：1.三维激光雷达点云场景中动态目标的检测与跟踪方法。2.三维激光雷达点云场景中场景语义标注方法。从这两点出发，本文主要完成了以下工作：
　　1.根据车载三维激光雷达平台的应用实际，提出一种基于二维动态栅格地图连续性的运动目标提取方法，通过实验验证了本方法。对于一定范围内的点云数据可以提取出运动目标。
　　2.使用一种改进的动态退火（AD）方法对运动目标进行跟踪。本文的算法，可以非常快速的搜索到状态空间的最佳后验概率分布，对于单目标单帧跟踪可以做到毫秒级，同时有效降低跟踪速度误差。
　　3.提出了一种三维激光点云结构描述方法体素近邻结构（VNS），基于该结构提取有效点云特征并构造出VNS特征描述子。通过有监督的学习方法–随机森林得到初步的语义分类结果。使用基于VNS特征描述子特征的随机森林方法能够较有效的得到场景分类的初步语义标注结果。
　　4.利用点云集合中点与点之间的空间关系构造一种改进的带有实际上下文关系约束的条件随机场（CRF）模型，最后使用图割的方法进行优化，得到进一步的解。
　　为了验证文中提出的算法，针对每类问题，本文都在数据集上或者离线实测数据上进行了实验。实验结果标明，本文提出的改进ADH目标检测跟踪方法满足实时性也具有较高的跟踪精度，进一步的分析证明该方法对于较远跟踪距离依然具有较高精度，鲁棒性好。点云场景的语义标注方法对比当下先进的方法也非常有效和鲁棒。该方法被证明可以进一步提高基本能量网络优化结果。改进一些难于分类的情况。

目录

声明

第一章 绪论

1.1 车辆智能驾驶技术发展与应用

1.2 三维点云场景中的感知问题与应用

1.3 本文主要研究内容

第二章 基于三维点云场景的目标检测跟踪系统基础

2.1 相关工作与本章涉及背景内容简介

2.2 状态空间

2.3 基于贝叶斯理论的目标跟踪技术

2.4 动态目标检测与跟踪

2.5 本章小结

第三章 三维点云场景动态目标跟踪

3.1 非线性滤波量测模型推导

3.2 状态空间采样跟踪算法具体过程及改进

3.3 实验分析与讨论

3.4 本章小结

第四章 三维点云场景结构分析与语义标注

4.1 三维点云场景分类识别及标注的相关研究工作

4.2 三维点云空间结构分析

4.3 随机森林分类器学习

4.4 条件随机场的能量建模

4.5 实验分析与讨论

4.6 本章小结

第五章 总结与展望

5.1 本文总结

5.2 未来展望

致谢

参考文献

作者在学期间取得的学术成果