基于激光雷达的三维多目标检测与跟踪

摘要

在自动驾驶应用中,为提高基于激光雷达的三维(3D)多目标跟踪精确度,降低计算时间成本与系统复杂性,提出了一种快速准确的实时3D多目标跟踪技术-PV3DMOT。该方法先结合体素和点云进行全面特征学习,以实现快速准确的3D目标检测,然后用3D卡尔曼滤波器进行目标状态预测与更新,并利用马氏距离与贪心算法完成数据关联,最终实现高效的3D多目标实时跟踪。经自动驾驶KITTI数据集实验测试,该方法的检测结果在中等与困难类别中的准确率相比Voxel R-CNN算法提升了0.2%,跟踪结果相比AB3DMOT算法,其关联准确率提升了1.16%,联合召回率提升了3.44%,能有效提高智能驾驶中3D多目标检测跟踪的精确度。