基于激光雷达和雷达的跟踪和映射系统及其方法

摘要

本发明公开了一种在车辆中实现的用于跟踪和映射一个或多个对象以识别可用空间的系统。该系统具有输入单元，该输入单元具有感测车辆周围区域中物体的激光雷达传感器和雷达传感器，和处理单元，该处理单元:从激光雷达传感器和雷达传感器接收数据，并将数据映射到相应传感器的相应网格地图中；跟踪对应于传感器区域中的对象，并对未被任何传感器感测到的对象执行估计；通过将网格地图从传感器坐标系转换到车辆坐标系融合网格地图，以生成融合后的网格地图；并且将融合网格地图与轨迹管理和扫描匹配中的任何一种或其组合相结合，以执行将一个或多个对象分类为静态对象或动态对象，以及识别融合网格地图中的可用空间。

说明书

发明领域

本发明涉及车辆导航系统。更具体地说，本发明涉及一种用于跟踪车辆周围物体的系统。

发明背景

可靠的目标检测和跟踪系统是车辆自动化的关键要素。跟踪系统使用大量传感器，例如雷达传感器和激光雷达(光检测和测距，本文简称为激光雷达)传感器，用于跟踪对车辆的操控很重要的目标或物体。当跟踪从传感设备的一个区域移动到另一个区域的目标时，雷达传感提供目标(物体)的最小数据点，而激光雷达传感提供具有背景噪声和地面反射的点云。因此，由于背景物体、可能的杂波或误报，当目标高速移动和机动时，目标的最优轨迹管理策略和可用空间检测成为一个问题。

此外，即使使用高计算力，现有的各种系统也无法提供360度目标跟踪和映射，从而有失精准。现有方法中的另一个问题是激光雷达传感器和雷达传感器所捕获的数据点的同步和分类问题。

因此，本领域需要一种系统和方法来克服现有目标跟踪和可用空间检测方法的上述和其他缺点。

发明目的

本公开至少一个实施例满足的目的，如下所列。

本公开的目的是提供一种将轨迹管理与网格映射相结合从而实现360度目标跟踪和映射的系统。

本公开的目的是提供一种使用更少计算力而响应性更高的系统。

本公开的目的是提供一种在跟踪周围物体方面比基于摄像头的系统精准度更高的系统。

本公开的目的是提供一种消除地面数据及消除由于粗糙或高低不平地面导致误差的系统。

本公开的目的是提供一种有助于环绕视图的创建或任何传感器的非感测区域跟踪(盲区跟踪)的系统。

本公开的目的是提供一种以更高精准度识别各种遮挡的系统。

本公开的目的是提供一种比传统平均技术有更好的区域或轨迹初始化能力的系统。

本公开的目的是提供一种能更好地分隔静态和动态目标的系统。

本公开的目的是提供一种能更好地对行人进行分类的系统。

本公开的目的是提供一种能更好地扫描拥挤城市的复杂环境以及周围交通车辆和行人不可预测的运动的系统。

本公开的目的是提供一种能跟踪目标非线性和高机动性运动，并为车辆导航提供详细空间信息的系统。

本公开的目的是提供一种具有比基于摄像头的系统更大检测范围的系统。

概述

本概述旨在简要介绍基于激光雷达和雷达的跟踪系统及其方法的基本概念，后续的说明书将进行更详细的说明。本概述并非旨在确定本权利要求的关键或必要特征，也非旨在确定或限制权利要求的范围。

本公开一方面提供了一种在车辆中实现的用于跟踪一个或多个对象以识别可用空间的系统，所述系统包括输入单元，该输入单元包括:一个或多个激光雷达传感器和一个或多个雷达传感器以感测车辆的周围，其中一个或多个激光雷达传感器和一个或多个雷达传感器中的每一个感测相应区域中的一个或多个对象；处理单元，包括与存储器耦合的处理器，该存储器存储可由处理器执行的指令，以:接收来自一个或多个激光雷达传感器的激光雷达数据和来自一个或多个雷达传感器的雷达数据，并将接收的激光雷达数据和雷达数据映射到一个或多个激光雷达传感器和一个或多个雷达传感器的对应的一个或多个网格地图中；跟踪对应于一个或多个激光雷达传感器和一个或多个雷达传感器的一个或多个区域中的一个或多个对象，并对一个或多个激光雷达传感器和一个或多个雷达传感器中的任何一个都没有感测到的一个或多个对象执行状态估计；通过将所述一个或多个网格地图从传感器坐标系转换到车辆坐标系来融合所述一个或多个激光雷达传感器和所述一个或多个雷达传感器的一个或多个网格地图，以生成融合网格地图，其中所述融合网格地图与轨迹管理和扫描匹配中的任何一个或组合相结合，从而将所述一个或多个目标物分类为静态对象或动态对象以及识别所述融合网格地图中的可用空间。

在实施例中，一个或多个激光雷达传感器和一个或多个雷达传感器被配置在车辆表面上，以感测相应的一个或多个主要不重叠区域中的物体，从而捕获车辆周围的360度视图。

在实施例中，处理器通过使用从激光雷达数据中选择的至少三个数据点计算表面法线，从每个网格地图中消除一个或多个与地面相关的数据点，并且至少三个数据点彼此间隔开的距离小于预定阈值。

在实施例中，处理器通过计算每个数据点距地面的高度并考虑激光雷达传感器与计算出的表面法线的目标距离高度来消除与地面相关的一个或多个数据点。

在实施例中，当在一个或多个区域中跟踪一个或多个对象时，处理器基于目标信息、跟踪时间、传感器类型(激光雷达或雷达)等来执行跟踪初始化，以确保正确创建轨迹便于轨迹管理；基于激光雷达和雷达跟踪时间的被跟踪的一个或多个对象的基于加权融合的速度估计；以及基于由一个或多个雷达传感器感测的一个或多个对象的遮挡识别。

在实施例中，处理器进一步合成环境以创建环境地图，并且存储环境地图以用于执行一个或多个对象的分类，从而确定可用空间的位置。

在实施例中，当一个或多个对象中的至少一个对象是行人时，该对象使用以下来分类:从激光雷达数据获得的相对于距车辆的纵向、横向距离和点云区域的属于行人的点云大小；一个或多个激光雷达传感器的一个或多个通道中的点云结构和可用性；指示行人速度矢量的点云的确定性速度矢量；和点云轨迹史。

在实施例中，处理器将从激光雷达数据获得的一个或多个聚类点重建并映射到从雷达数据获得的一个或多个数据点上，用于在融合网格上映射一个或多个对象，以形成车辆周围的完整环境。

本公开的另一方面涉及一种根据存储在车辆计算机中的指令执行并用于跟踪一个或多个对象以识别可用空间的方法，该方法包括:从一个或多个激光雷达传感器接收激光雷达数据和从一个或多个雷达传感器接收雷达数据，并将接收的激光雷达数据和接收的雷达数据映射到网格中，其中一个或多个激光雷达传感器和一个或多个雷达传感器中的每一个感测相应区域中的一个或多个对象；跟踪对应于一个或多个激光雷达传感器和一个或多个雷达传感器的一个或多个区域中的一个或多个对象，并对一个或多个激光雷达传感器和一个或多个雷达传感器中的任何一个都没有感测到的一个或多个对象执行状态估计；通过将所述一个或多个网格地图从传感器坐标系转换到车辆坐标系来融合所述一个或多个激光雷达传感器和所述一个或多个雷达传感器的一个或多个网格地图，以生成融合网格地图，其中所述融合网格地图与轨迹管理和扫描匹配中的任何一个或组合相结合，以执行所述一个或多个静态或动态对象的分类和可用空间的识别。

根据以下对优选实施例的详细说明及附图，本公开的各种目的、特征、方面和优点将变得更加明显，在附图中，相同的数字代表相同的特征。

在本申请的范围内，可以清楚地设想，前文段落、权利要求和/或后面的说明书和附图中阐述的各个方面、实施例、示例和替代方案，特别是其特征，都可以独立存在或以任何组合的方式存在。单个实施例所说明的特征适用于所有实施例，除非这些特征不兼容。

附图说明

所列附图旨在提供对本公开的进一步理解，且并入本说明书中并构成本说明书的一部分。附图图示了本公开的示例性实施例，并且与说明书一起用于解释本公开的原理。这些图仅用于说明，因此并不构成对本公开的限制，其中:

图1A图示了根据本公开的示例性实施例的基于激光雷达和雷达的跟踪系统的整体工作情况。

图1B图示了根据本公开的示例性实施例的系统构架。

图2图示了根据本公开实施例的处理单元的示例性模块。

图3图示了根据本公开的示例性实施例的基于网格的360度环绕视图系统。

图4图示了根据本公开的示例性实施例的基于表面法线平面计算和离地面的点高度的环境地面数据消除。

图5A图示了根据本公开的示例性实施例的网格融合。

图5B图示了根据本公开的示例性实施例的环境合成和记忆的表征。

图6图示了根据本公开的示例性实施例的用于动态目标分类的联合轨迹管理和扫描匹配。

图7A图示了根据本公开的示例性实施例的行人的点云分布。

图7B图示了根据本公开的示例性实施例的从激光雷达集群到雷达反馈和被跟踪对象的重新映射，以建立整个网格的效率。

图8图示了根据本公开的示例性实施例的执行基于激光雷达和雷达的跟踪方法。

详细说明

以下是附图中本公开实施例的详细说明。为了更清楚地说明本公开，这些实施例阐述详细。然而，所提供的细节并不旨在限制实施例的预期变化；相反其意图是覆盖附件权利要求书所限定的本公开精神和范围内的所有修改、等同情况和替代情况。

以下说明阐述了许多具体细节，以便提供对本发明实施例的深入理解。显而易见的是，对于本领域的技术人员来说，本发明的实施例也可以在没有其中某些具体细节的情况下实施。

本发明的实施例包括将在下面说明的各种步骤。这些步骤可以由硬件组件来执行，或者可以包含在机器可执行指令中，并用这些指令编程的通用或专用处理器来执行这些步骤。可选地，这些步骤可以由硬件、软件和固件的组合和/或由人类操作员来执行。

这里说明的各种方法可以通过将包含本发明代码的一个或多个机器可读存储介质与适当的标准计算机硬件相结合来实现，以执行其中包含的代码。用于实施本发明的各种实施例的装置可以包括一个或多个计算机(或者单个计算机中的一个或多个处理器)和存储系统，该存储系统包含根据本说明的各种方法编码的计算机程序或者具有对该计算机程序的网络访问，并且本发明的方法步骤可以由计算机程序产品的模块、例程、子例程或子部分来完成。

如果说明书中陈述某部件或特征“可以”、“能”、“能够”或“可能”被包括或具有特征，则不要求该特定部件或特征被包括或具有此特征。

在本说明中和随后的权利要求中所使用的，不定冠词“a”(一个)、“an”(一个)和定冠词“the”(该/本)的含义包括复数指代，除非上下文另有明确说明。此外，本说明中所使用的介词“in”(在……里面)的含义包括介词“in”和“on”所指代的意思，除非上下文清楚地另有说明。

以下将参考附图更全面地说明示例性实施例，附图也图示了示例性实施例。这些示例性实施例仅为图示而提供，因此本公开将是彻底和完整的，并且将向本领域普通技术人员充分说明本发明的范围。然而，所公开的发明可以许多不同的形式来实施，并且不应该解释为局限于本说明所阐述的实施例。对于本领域技术人员而已，各种修改也是显而易见的。在不脱离本发明的精神和范围的情况下，这里定义的一般原理可以应用于其他实施例和应用。此外，关于本发明实施例的所有陈述及其具体示例，都应该包括其结构和功能等同情况。此外，这种等同情况既包括当前已知的等同情况也包括将来发展的等同情况(即所开发的无论结构如何，但能执行相同功能的任何元件)。此外，所使用的术语和措辞都是为了说明示例性实施例的目的，而不应被认为是限制性的。因此，本发明将被赋予最宽的范围，该范围包括与所公开的原理和特征一致的许多替换、修改和等同情况。为了清楚起见，没有详细说明与本发明相关的技术领域中已知的技术材料相关的细节，以免对本发明造成不必要的混淆。

因此，举例来说，本领域的普通技术人员将会理解到，这些图表、示意图、插图等代表了本发明的系统和方法的概念性视图或过程。附图中所示的各种元件的功能可以通过使用专用硬件以及能够执行相关软件的硬件来实现。类似地，图中所示的任何开关都只是概念性的。它们的功能可以通过程序逻辑的操作、通过专用逻辑、通过程序控制和专用逻辑的交互、或者甚至手动来实现，实施本发明的主体可以选择特定的技术。本领域的普通技术人员进一步理解到，本说明的示例性硬件、软件、过程、方法和/或操作系统是为了更好地说明，因此不限于任何特定类别。

本发明的实施例可用作计算机程序产品，该计算机程序产品可以包括在其上有形地包含指令的机器可读存储介质，该指令可以用于对计算机(或其他电子设备)进行编程以执行过程。术语“机器可读存储介质”或“计算机可读存储介质”包括但不限于固定(硬)驱动器、磁带、软盘、光盘、光盘只读存储器(CD-ROMs)和磁光盘、半导体存储器，例如ROM、Prom、随机存取存储器(RAM)、可编程只读存储器(PROMs)、可擦除PROMs(EPROMS)、电可擦除PROMs(EEPROMs)、闪存、磁卡或光卡，或其他类型的适于存储电子指令(例如软件或固件等电脑编程码)。机器可读介质可包括非暂时介质，其中可存储数据并且不包括以无线方式或通过有线连接传播的载波和/或暂时电子信号。非暂时性介质的例子可包括但不限于磁盘或磁带、诸如光盘(CD)或数字多功能盘(DVD)的光存储介质、闪存、存储器或存储设备。计算机程序产品可包括代码和/或机器可执行指令，其可表示过程、函数、子程序、程序、例程、子例程、模块、软件包、类或指令、数据结构或程序语句的任何组合。通过传递和/或接收信息、数据、自变量、参数或存储器内容，代码段可耦合到另一个代码段或硬件电路。信息、自变量、参数、数据等可通过包括存储器共享、消息传递、令牌传递、网络传输等任何合适的方式来传递、转发或传输。

此外，实施例可以通过硬件、软件、固件、中间件、微码、硬件说明语言或其任意组合来实现。当以软件、固件、中间件或微代码实现时，执行必要任务的程序代码或代码段(例如，计算机程序产品)可以存储在机器可读介质中。处理器可以执行必要的任务。

一些图中描绘的系统可提供多种配置。在一些实施例中，系统可以被配置为分布式系统，其中系统的一个或多个组件分布在云计算系统中的一个或多个网络上。

每一项所附权利要求的条款限定了独立的发明，出于防侵权的目的，这些被默认包括权利要求中所指定的各种元素或限制条件的等同情况。根据上下文，以下对“发明”的所有引用在某些情况下可能仅指某些特定实施例。在其他情况下，将认识到对“发明”的引用将指一项或多项权利要求但不一定是所有权利要求中所引用的主题。

所有本说明的方法可以任何合适的顺序执行，除非另有说明或者与上下文明显矛盾。本文中关于某些实施例提供的任何和所有示例或示例性语言(例如，“诸如”)的使用仅仅是为了更好地阐明本发明，而不是对本发明的范围进行限制。说明书中的任何语言都不应理解成暗指任何对实施本发明至关重要而未在权利要求中加以保护的内容。

本说明使用的各种术语如下所示。对于那些权利要求中使用了而以下没有明确定义的术语，应该给出包括范围最宽泛的定义，正如相关领域的技术人员在提交申请时在印刷出版物和已发布的专利中所给出的那样。

本公开涉及一种用于跟踪车辆周围各种物体的系统。更具体地，它涉及基于激光雷达和雷达的跟踪系统，该系统使用传感器数据融合来跟踪车辆周围的物体和可用空间检测。

本公开一方面提供了一种在车辆中实现的用于跟踪一个或多个对象以识别可用空间的系统，所述系统包括输入单元，该输入单元包括:一个或多个激光雷达传感器和一个或多个雷达传感器以感测车辆的周围，其中一个或多个激光雷达传感器和一个或多个雷达传感器中的每一个感测相应区域中的一个或多个对象；处理单元，包括与存储器耦合的处理器，该存储器存储可由处理器执行的指令，以:接收来自一个或多个激光雷达传感器的激光雷达数据和来自一个或多个雷达传感器的雷达数据，并将接收的激光雷达数据和雷达数据映射到一个或多个激光雷达传感器和一个或多个雷达传感器的对应的一个或多个网格地图中；跟踪对应于一个或多个激光雷达传感器和一个或多个雷达传感器的一个或多个区域中的一个或多个对象，并对一个或多个激光雷达传感器和一个或多个雷达传感器中的任何一个都没有感测到的一个或多个对象执行状态估计；通过将所述一个或多个网格地图从传感器坐标系转换到车辆坐标系来融合所述一个或多个激光雷达传感器和所述一个或多个雷达传感器的一个或多个网格地图，以生成融合网格地图，其中所述融合网格地图与轨迹管理和扫描匹配中的任何一个或组合相结合，从而将所述一个或多个目标物分类为静态对象或动态对象以及识别可用空间。

在实施例中，一个或多个激光雷达传感器和一个或多个雷达传感器被配置在车辆表面上，以感测相应的一个或多个主要不重叠区域中的物体，从而捕获车辆周围的360度视图。

在实施例中，处理器通过使用从激光雷达数据中选择的至少三个数据点计算表面法线，从每个网格地图中消除一个或多个与地面相关的数据点，并且至少三个数据点彼此间隔开的距离小于预定阈值。

在实施例中，处理器通过计算每个数据点距地面的高度并考虑激光雷达传感器与计算的表面法线平面的目标距离高度来消除与地面相关的一个或多个数据点。

在实施例中，当在一个或多个区域中跟踪一个或多个对象时，处理器基于目标信息、轨迹历史、与轨迹初始化相关的传感器类型来执行轨迹初始化，以确保轨迹得到正确维护；基于激光雷达和雷达跟踪时间的被跟踪的一个或多个对象的基于加权融合的速度估计；以及除由激光雷达识别的遮挡之外，基于由一个或多个雷达传感器感测的一个或多个对象的遮挡识别。

在实施例中，处理器进一步合成环境以创建环境地图，并且存储环境地图以用于执行一个或多个对象的分类，从而确定可用空间在融合网格地图上的位置。

在实施例中，当一个或多个对象中的至少一个对象是行人时，该对象使用以下来分类:从激光雷达数据获得的相对于距车辆的纵向、横向距离和点云区域的属于行人的点云大小；一个或多个激光雷达传感器的一个或多个通道中的点云结构和可用性；指示行人速度矢量的点云的确定性速度矢量；和点云轨迹史。

在实施例中，处理器将从激光雷达数据获得的一个或多个聚类点重建并映射到从雷达数据获得的一个或多个数据点上，用于在融合网格图上映射一个或多个对象，以形成车辆周围的完整环境。

本公开的另一方面涉及一种根据存储在车辆计算机中的指令执行并用于跟踪一个或多个对象以识别可用空间的方法，该方法包括:从一个或多个激光雷达传感器接收激光雷达数据和从一个或多个雷达传感器接收雷达数据，并将接收的激光雷达数据和接收的雷达数据映射到网格中，其中一个或多个激光雷达传感器和一个或多个雷达传感器中的每一个感测相应区域中的一个或多个对象；跟踪对应于一个或多个激光雷达传感器和一个或多个雷达传感器的一个或多个区域中的一个或多个对象，并对一个或多个激光雷达传感器和一个或多个雷达传感器中的任何一个都没有感测到的一个或多个对象执行状态估计；通过将所述一个或多个网格地图从传感器坐标系转换到车辆坐标系来融合所述一个或多个激光雷达传感器和所述一个或多个雷达传感器的一个或多个网格地图，以生成融合网格地图，其中所述融合网格地图与轨迹管理和扫描匹配中的任何一个或组合相结合，以执行所述一个或多个静态或动态对象的分类以及融合网格地图中可用空间的识别。

图1A图示了基于激光雷达和雷达的跟踪系统的整体工作情况，图1B图示了根据本公开的示例性实施例的系统架构。

一方面，基于激光雷达和雷达的跟踪系统(本文中可互换地称为系统100)包括输入单元102、处理单元104和输出单元114。

输入单元102具有一个或多个激光雷达传感器(本文中可互换地称为激光雷达)和一个或多个雷达传感器(本文中可互换地称为雷达)来感测车辆周围。框152和156形成360°SVTS(环绕视图跟踪系统)154，使得一个或多个激光雷达传感器和一个或多个雷达传感器中的每一个感测相应区域中的一个或多个对象。传感器被配置在车辆的表面上，以感测相应的一个或多个主要不重叠区域中的物体，从而捕获车辆周围的360度视图。

处理单元104从输入单元102接收数据。在框158执行分割聚类和特征提取，其中激光雷达数据点云被转换成笛卡尔坐标系。此外，使用稳健的分段拟合和概率维数推导来识别目标的维数、极值和角点特征。在框160，基于地面和表面法线计算的数据点的高度，从激光雷达数据中消除环境地面数据。

此后，在步骤106，处理单元104使用时间同步框162的区域轨迹管理框164，将接收到的激光雷达数据和接收到的雷达数据映射到一个或多个激光雷达传感器和一个或多个雷达传感器的对应的一个或多个网格地图中。在步骤108，处理单元104跟踪对应于一个或多个激光雷达传感器和一个或多个雷达传感器的一个或多个区域中的一个或多个对象，并对一个或多个激光雷达传感器和一个或多个雷达传感器中的任何一个都没有感测到的一个或多个对象执行状态估计。

在实施例中，可以通过建立区域跟踪置信度对各个区域中的轨迹和状态进行估算，区域跟踪置信度的建立是集中式轨迹管理的组成部分。区域跟踪置信度的建立对于非感知区域(未被任何感知传感器覆盖的区域)中的轨迹管理是有用的。它包括非感知区域识别、区域分类和基于区域的跟踪、估算技术选择、跟踪时间和感知置信度等技术。

区域轨迹管理框164，通过扫描与现有跟踪对象相邻的区域进行聚类分析，来进一步减少计算负担并将信息反馈给分割聚类和特征提取框158，从而改善聚类分析现象。基于最近邻的映射和分割结果对新对象的其他聚类进行分类分析。

在框162，执行激光雷达和雷达数据同步。来自激光雷达传感器(在分割聚类和特征提取框158以及环境地面数据消除框160之后)和雷达传感器的感测数据基于顺序方法进行时间同步。此外，可以基于从传感器获得的信息来执行轨迹管理和预测更新。

在本示例的背景下，在框166执行用于环绕视图跟踪的适配初始化，用于区域的雷达、激光雷达和车辆传感器的集成融合。通过执行轨迹初始化在一个或多个区域中跟踪一个或多个对象，轨迹初始化进一步使用激光雷达和雷达轨迹管理来跟踪一个或多个一个或多个对象，以获得局部雷达和局部激光雷达轨迹，这将在下面参考轨迹初始化模块212进一步解释说明。

在步骤110，处理单元104通过将所述一个或多个网格地图从传感器坐标系转换到车辆坐标系来融合一个或多个激光雷达传感器和一个或多个雷达传感器的一个或多个网格地图，从而在框176生成融合网格地图(使用来自框182、178和180的输入)。

在步骤112，处理单元104将融合网格图与用于动态目标分类框168的轨迹管理和扫描匹配中的任何一个或组合相结合，用于将一个或多个对象分类为静态对象或动态对象，并识别融合网格图中的可用空间。框168的输出可用于行人点模型框172中的行人分类。

一方面，当在一个或多个区域中跟踪一个或多个对象时，处理器104基于目标信息、轨迹历史、轨迹初始化中涉及的传感器类型来执行轨迹初始化；基于激光雷达和雷达跟踪时间对被跟踪的一个或多个对象进行加权融合的速度估算；以及进行激光雷达传感器遮挡识别之外的基于一个或多个雷达传感器感测的一个或多个对象的遮挡识别。

根据实施例，系统100整合来自雷达和激光雷达预处理数据的感测信号。该技术主要包括对雷达和激光雷达传感器的感测信号处理后的轨迹初始化，以及对激光雷达和雷达感测信号的聚类信号进行目标特征的识别和分类。系统100包括多目标轨迹管理和传感器数据融合，包括同步、轨迹初始化、集中式轨迹管理、融合网格图和网格中的目标分类。此外，系统100确定是否有可用空间。在实施例中，基于表面法线计算消除环境地面数据(框160)。

在框174，基于与轨迹管理集成的网格融合176，确定空间的可用性。输出单元114可以是任何显示设备或任何其他视听设备，向用户指示检测到的可用空间。

根据实施例，系统100使用乱序策略进行级联轨迹管理。该策略涉及利用来自不同时间间隔的多个传感器的信号来更新传感器融合。乱序策略处理不同传感器接收信号的差异问题。它决定传感器融合对个体传感器的依赖程度从而在特定情况下更新状态和协方差。在框162处，以不同时间间隔接收不同传感器的结果的信号，并同步用于数据融合和验证。信号接收定时的差异通过以下策略解决:来自每个传感器的信号由时间同步机制处理，其中同步基于来自前置激光雷达的数据点。前置激光雷达和后置激光雷达在安装时已进行数据同步，来自其他侧传感器的数据相对于前置激光雷达时间坐标系进行映射，即其他传感器的数据在前置激光雷达的多个感测时间坐标系中进行处理。由于前置激光雷达以0.08秒的速度运行，其他侧传感器的处理延迟将显著减少。

图2图示了根据本公开实施例处理单元的示例性模块。

本公开阐述了一种可在车辆中实现的系统，用于跟踪一个或多个对象以识别可用空间。如上图1所述，该系统包括向处理单元104提供激光雷达数据和雷达数据的输入单元102。

一方面，处理单元104可包括一个或多个处理器202。一个或多个处理器202可以是一个或多个微处理器、微型计算机、微控制器、数字信号处理器、中央处理单元、逻辑电路和/或基于操作指令操作数据的任何设备。除其他能力之外，一个或多个处理器202的配置还可以获取和执行计算机可读指令，该指令存储在处理单元104的存储器206中。存储器206可以存储一个或多个计算机可读指令或例程，这些指令或例程可以被提取和执行以通过网络服务创建或共享数据单元。存储器206可包括任何非暂时性存储设备，诸如随机存储器(RAM)等易失性存储器，或诸如可编程只读存储器(EPROM)、闪存等非易失性存储器。

处理单元104还可包括接口204。接口204可以是各种接口，例如，用于数据输入和输出设备的接口，称为输入/输出设备、存储设备等。接口204可促进处理单元104与耦合到处理单元104的各种设备(例如输入单元102和输出单元106)之间的通信。接口204还可以为处理单元104的一个或多个组件提供通信路径。这种组件的示例包括但不限于处理引擎208和数据210。

处理引擎208可以是硬件和编程(例如，可编程指令)的组合，以实现处理引擎208的一个或多个功能。在这里说明的例子中，硬件和编程的这种组合可以以几种不同的方式实现。例如，处理引擎208的编程可以是存储在非暂时性机器可读存储介质上的处理器可执行指令，并且处理引擎208的硬件可以包括处理资源(例如，一个或多个处理器)，以执行这样的指令。在本示例中，机器可读存储介质可以存储指令，当由处理资源执行时，这些指令实现处理引擎208。在这样的例子中，处理单元104可以包括存储指令的机器可读存储介质和执行指令的处理资源，或者独立的机器可读存储介质但可被处理单元104和处理资源访问。在其他示例中，处理引擎208可通过电子电路实现。

数据222可包括作为由处理引擎208的任何组件实现的功能结果而存储或生成的数据。

在示例性实施例中，处理引擎208可包括地面数据消除模块210、轨迹初始化模块212、轨迹管理和状态估算模块214、地图融合模块214、融合地图和轨迹管理集成模块218(以下也称为集成模块218)和其他模块220。

应当理解的是，所说明的模块仅是示例性模块，系统100或处理单元104也可以包括任何其他模块或子模块。这些模块也可根据配置合并或分成超级模块或子模块。

地面数据消除模块210

一方面，地面数据消除模块210接收来自一个或多个激光雷达传感器的激光雷达数据和来自一个或多个雷达传感器的雷达数据，并将接收到的激光雷达数据和接收到的雷达数据映射到一个或多个激光雷达传感器和一个或多个雷达传感器的对应的一个或多个网格地图中。

如图1A所示，输入单元102向处理单元104提供激光雷达数据和雷达数据，供地面数据消除模块210使用，如上所述。参考图3，基于网格的360度环绕视图系统由多个激光雷达和雷达传感器组成。在一个例子中，具有180度波束角的激光雷达传感器安装在车辆的前端和后端，而具有45度波束角的两个雷达传感器安装在车辆的侧面。

因此，输入单元102具有一个或多个激光雷达传感器和一个或多个雷达传感器来感测车辆的周围，使得一个或多个激光雷达传感器和一个或多个雷达传感器中的每一个感测相应区域中的一个或多个对象。一个或多个激光雷达传感器和一个或多个雷达传感器配置在车辆表面上，以感测相应的一个或多个主要不重叠区域中的物体，从而捕获车辆周围的360度视图。

在实施例中，地面数据消除模块210通过使用从激光雷达数据中选择的至少三个数据点计算表面法线平面，从每个网格地图中消除与地面相关的一个或多个数据点。至少三个数据点彼此间隔开的距离小于预定阈值。此外，通过计算每个数据点距地面的高度并考虑激光雷达传感器与计算的表面法线平面的目标距离高度，来执行与地面相关的一个或多个数据点的消除。因此，可以使用从激光雷达数据的任何一个或数据组合中选择至少三个数据点来计算表面法线平面，并考虑到激光雷达传感器与从数据点创建的平面法线的目标距离-高度，结合数学计算各个点离地面的高度，从而用综合方法来消除地面数据。

在实施例中，地面数据消除模块210基于地面数据点的高度和表面法线计算来执行环境地面数据消除，如图4所示。

根据本示例，基于目标对象的位置移动来执行高级传感器融合。首先，对网格外未跟踪的目标进行背景减除。考虑到，激光雷达传感器安装在车辆前端或后端的高度(H)处，直角三角形下方(OP

OP

如果P

类似地，对于非接地点(例如P2)，直角三角形(OQR)，

OR＝H/sin(ω2) ..(2)

在这种情况下，就某一点P

根据本示例，从上述方法的过滤数据点，使用正常计算并选择空间中的三个连续数据点重新评估并消除遗漏的地面数据点，使它们之间的距离不超过预定距离阈值。

..(3)

重要的是，由于所有的点都在地面上，因此法线指向上方(即z轴)。此外，所有点的共面性也是基于连接所选点产生的向量相乘的正常计算来考虑的。因此，基于向上指的平面法线，接地点与其他非接地点分离。通过此过程，可以消除接地点。此外，在法线没有完全与z轴对齐的情况下，尽管是接地点(对于一些非平面接地点)，可以添加特定的阈值。从这两个向量中的任何一个，可以确定法线指向的近似方向。

轨迹初始化模块212

一方面，根据框166，当在一个或多个区域中跟踪一个或多个对象时，轨迹初始化模块212为环绕视图跟踪系统(SVTS)执行自适应初始化。一个区域的综合融合是通过综合雷达、激光雷达和车辆传感器的数据来实现的。激光雷达传感器主要在目标分类和轨迹初始化方面发挥重要作用。

根据本示例，执行轨迹初始化和管理以确保在一个或多个对象中的至少一个对象从第一传感器的区域过渡到第二传感器的区域时保持轨迹，第一传感器和第二传感器选自一个或多个激光雷达传感器和一个或多个雷达传感器。轨迹初始化基于所涉及的区域和传感器类型，其中动态对象的轨迹基于基于激光雷达的轨迹管理来初始化，且随着动态对象从激光雷达区域移动到雷达区域，轨迹被进一步管理和维护。轨迹初始化取决于感应输入、轨迹时间、区域、运动动态和交通方向的可信度。然而，如果目标出现在雷达区域并移动到激光雷达区域，则可能会创建轨迹，从而大大缩短初始化周期。轨迹初始化可考虑以下内容:

TrackInitialization_Time＝w

其中，w1，w2:可调加权因子

此外，基于激光雷达和雷达跟踪时间来执行被跟踪的一个或多个对象的基于加权融合的速度估算。在此，分类对象的速度矢量是以加权因子为基础的，因为雷达能提供比从激光雷达点云导出的速度矢量更精确的速度数据。计算速度时，可考虑以下关系：

V

...(14)

其中，Vx，Vy：估算速度，W

TrackMaintenanceTime

本领域的技术人员将会理解，当目标轨迹从一个传感器的区域过渡到相邻传感器时，轨迹管理能确保轨迹的保持。可以在一段时间内预测目标轨迹，以确保从一个区域到另一个区域的平滑过渡。

轨迹管理和状态估算模块214

一方面，轨迹管理和状态估算模块214跟踪对应于一个或多个激光雷达传感器和一个或多个雷达传感器的一个或多个区域中的一个或多个对象，并对一个或多个激光雷达传感器和一个或多个雷达传感器中的任何一个都没有感测到的一个或多个对象执行状态估算。

本领域技术人员将理解，各个区域中的轨迹和状态估算是构建集中式轨迹管理相对复杂的部分。在非传感区域，基于轨迹历史来更新状态估算，直到物体进入相邻传感器的区域。通过测量和数据关联验证状态估算，以确保从一个传感器区域过渡到相邻传感器区域时的轨迹管理。

在实施例中，为动态对象分类执行联合(集成)轨迹管理和扫描匹配。上述技术包括在融合网格地图上的预测和数据关联，其中所有雷达和激光雷达数据均得以融合以形成网格占有地图。对照网格地图数据的扫描匹配来评估轨迹管理的聚类和分段数据。目标函数优化方法用于从综合轨迹管理和扫描匹配算法中找到动态对象。在实施例中，根据图6的框图流程来执行轨迹管理。

根据本示例，雷达轨迹管理640和激光雷达轨迹管理642可以基于数据关联604-1和604-2、目标轨迹管理606-1和606-2、状态更新608-1和608-2、预测614-1和614-2、验证612-1和612-2以及自我补偿610-1和610-2来创建本地轨迹。本地轨迹可反馈到集中式轨迹管理644，集中式轨迹管理644将激光雷达和雷达本地轨迹相关联，并提供集中式目标轨迹。扫描匹配646从激光雷达和雷达的本地轨迹以及集中轨迹获取输入，以将数据w.r.t映射到先前的实例，从而确定动态对象。在框636，执行具有误差最小化的扫描匹配，并且在框634，执行数据点变换。扫描匹配636通过找出点云中的最近邻居并使用点云数据的迭代最近点(ICP)来执行。通过最小化误差度量来执行误差最小化，并且通过使用最小化的结果来变换点云来执行变换634。在一个示例中，当执行迭代过程时，可以将当前时刻扫描的点云与先前的信息进行比较，从而识别动态对象。动态对象分类630进一步基于来自扫描匹配636的输入和来自集中式轨迹管理644导出的对象速度将对象分成静态或动态。此外，行人点模型632识别本质上将行人与目标车辆隔开的行人。

本领域技术人员将理解，目标轨迹管理618包括轨迹历史维护、轨迹删除和添加，且包括状态估算的状态更新620可考虑目标位置、速度矢量来执行。预测622可使用卡尔曼滤波器来执行。此外，验证624包括验证和选通预测w.r.t以呈现测量值。数据关联616包括关联轨迹w.r.t测量，并且可以使用传统的概率数据关联滤波器来执行。此外，车辆的自我补偿可以通过将数据转换成当前基于车辆坐标系的车辆状态(例如，偏航率、侧倾率和车辆速度)来执行。

在实施例中，目标轨迹在自适应初始化166中被初始化，并馈送到雷达轨迹管理640和激光雷达轨迹管理642，用于轨迹的初始化，其可以进一步用于集中式轨迹管理644。来自数据关联616的关联轨迹可用于公式化轨迹历史和确定点群的特征(例如，数据点的最大和最小偏差，数据点的标准偏差，连接目标的极值点和角点的参考线)。数据点云的轨迹历史和特征有助于雷达反馈，并在指定目标的相同雷达本地轨迹上重建相似点云，从而有助于创建周围环境的映射图。

本领域技术人员将会理解，分区轨迹管理626是辅助集中式轨迹管理644的复杂部分。在非感测区域，状态估计可进行更新，直到它进入相邻传感器的区域。状态估计通过测量进行验证，数据关联确保从一个传感器区域过渡到相邻传感器时的轨迹管理。此外，分区轨迹管理626有助于轨迹维护，同时一个或多个对象中的至少一个对象从第一传感器的区域过渡到第二传感器的区域，其中第一传感器和第二传感器选自一个或多个激光雷达传感器和一个或多个雷达传感器。

在实施例中，区域跟踪置信度建立可以是区域轨迹管理626的一部分，其通过执行诸如非感测区域识别、区域分类和基于区域的跟踪、估计技术选择、跟踪时间确定和感测置信度计算的操作，有利于非感测区域(未被任何感测传感器覆盖的区域)中的轨迹管理。

区域跟踪置信度的建立还可以向分割和聚类算法提供反馈，该算法通过扫描与现有被跟踪对象相邻的区域进行聚类来进一步减少计算负荷，从而改善聚类现象。基于最近邻的映射和分割来分割新对象的其他聚类。

此外，在实施例中，基于由一个或多个激光雷达或雷达传感器感测的一个或多个对象来执行遮挡识别。遮挡检测在遮挡识别中起着至关重要的作用，从而能够在遮挡期间估计目标轨迹。如果目标位于激光雷达的关键区域，任何在同一侧的其他区域有跟踪历史的目标将继续进行一段时间的预测，除非附近的车辆移出。此外，该算法还可以处理仅由雷达检测到的物体所造成的遮挡。雷达识别的遮挡时间可能是区域、目标跟踪历史和传感器置信度的函数。

地图融合模块216

一方面，地图融合模块216通过将一个或多个网格地图从传感器坐标系转换到车辆坐标系来融合一个或多个激光雷达传感器和一个或多个雷达传感器的一个或多个网格地图，以生成融合网格地图。

如图5A所示，融合网格504是由单个传感器开发的网格图的同化，即雷达传感器524的两个网格图和激光雷达传感器522的两个网格图。传感器网格图(524和522，使用时间同步162生成)可以以对数标度开发。在框518，输入数据可以从传感器坐标系转换成本地车辆坐标系。在框516，在网格地图上执行雷达和激光雷达的重叠区域的融合。此外，使用融合网格504，地图融合模块216在框508合成环境以创建环境地图，并且存储环境地图以用于执行一个或多个对象的分类，以识别融合网格地图中的可用空间。在框510，存储的环境地图可用于网格更新。此外，在框502，融合网格504可以与轨迹管理集成以执行动态对象管理。

在实施例中，网格更新510用于确定当前时刻506的网格图。基于逆传感器模型516和运动补偿514来执行网格更新510。运动补偿514基于车辆520的运动，即车辆状态，例如车辆速度和偏航率，在先前实例512执行网格地图的自运动补偿。环境合成/映射和地图存储508在前一实例512向网格地图提供输入。此外，当基于自身车辆传感器数据的网格占用被适配，且在网格上提供自我补偿时，执行网格适配过程。根据车辆状态，例如主车辆的速度和偏航率，网格图可以在当前车辆坐标系中旋转或变换。

.＝是根据测量模型和运动模型概率来估计的合成矢量位置。在实施例中，基于来自反向传感器模型的输入形成融合网格，该反向传感器模型使用初始化网格和从轨迹管理和扫描匹配获得的轨迹信息。随着网格开始衰减，网格衰减和跟踪历史的信息可用于网格更新。来自轨迹管理和扫描匹配的复合信息有助于识别和跟踪网格上的动态对象，从而识别车辆导航的可用空间。

在实施例中，地图融合模块216执行环境合成和地图存储。如图5B所示，可用环境合成来创建地图，地图被存储以用于动态对象的识别和可用空间的检测。模块214为环绕视图跟踪系统进行基于融合网格的环境映射(本发明)，包含以下方面:

a)感知数据的置信度；

b)区域定义:高度关键、关键、半关键、非关键；

c)对象分类:行人、车辆；

d)车辆动力学:横向或纵向运动；和

e)交通拥堵:拥堵、稀疏拥堵、非拥堵。

融合地图和轨迹管理集成模块218

一方面，集成模块218连同地图融合模块216一起，将融合网格地图与轨迹管理和扫描匹配中的任何一种或其组合相集成，从而将一个或多个对象分类为静态对象或动态对象以及对融合网格地图中的可用空间进行识别。

在实施例中，当一个或多个对象中的至少一个对象是行人时，融合地图和轨迹管理集成模块218使用以下方式对至少一个对象进行分类:从激光雷达数据获得的相对于距车辆的纵向、横向距离和点云区域的属于行人的点云大小；一个或多个激光雷达传感器的一个或多个通道中的点云结构和可用性；指示行人速度矢量的点云的确定性速度矢量；和点云轨迹的历史。在实施例中，集成模块218使用随机方法对行人进行分类，这是动态或运动对象分类的一部分。

根据本示例，行人分类的随机方法可以是动态或运动对象分类的一部分。可以使用以下特定信息在聚类之后对目标行人进行分类：

1)相对于纵向距离和区域的点云大小；

2)间接基于行人高度的各种通道中的行人数据点；

3)激光雷达传感器通道中可用的点云结构(例如四个通道)；

4)类似于行人速度矢量的点云确定性速度矢量(轨迹历史)；

5)行人点云的轨迹历史；

在实施例中，图7A图示了行人的点云分布，其中行人点模型或点云的维度是纵向相对位置、横向相对位置和激光雷达从激光雷达接收信息的接收通道的函数。

行人行为模型的约束可能是：

Lower Pedestrain Dimension＜Pedestrian PointModel＜Upper PedestrainDimension

..(10)

其中，行人尺寸是指行人的宽度和高度。

与行人相关联的分割点云的进一步选择可以基于速度矢量。

在实施例中，融合地图和轨迹管理集成模块218在从雷达数据获得的一个或多个数据点上重建和映射类似于激光雷达点云数据的一个或多个聚类点，用于在融合网格上映射一个或多个对象，以形成车辆周围的完整环境。

在实施例中，雷达传感器和激光雷达传感器的局部轨迹可用于雷达数据上的激光雷达簇点的重建和映射(即，在没有激光雷达数据点云的情况下，执行用于目标映射的雷达数据点上的点云重建，从而确定实际可用空间的检测)。

如图7B所示，激光雷达集群被重新映射到雷达反馈和跟踪对象上，从而建立了整个网格的效率。点云网格上的对象可在跟踪对象上重建，以具体说明分类对象的特征、特性、维度。雷达反馈上的点云分布以与参考目标相关的数据点分布的历史为基础。

点分布的历史可能具有以下特征：

a)点云相对于参考线的标准偏差，该参考线是在将极端特征点与拐角特征点连接时构建(例如，如图7B所示，参考线AB或BC)。

b)数据点与连接目标特征点的参考线的最小和最大偏差。

..(11)..(12)维护轨迹的时间

维护轨迹的时间..(15)..(16)

一方面，其他模块220对系统100、处理单元104或处理引擎208执行的应用或功能进行补充。

尽管所提出的系统已如上所述包括所有的主模块，但在实际应用中，完全有可能只包括部分所提出的模块或者这些模块的组合，或者将这些模块划分为跨多个设备的各种组合的子模块，这些设备也可彼此耦合，包括在云中。此外，这些模块也可以任何顺序配置来实现所阐述的目标。此外，可以理解的是，所提出的系统可以配置在计算设备中，或者可彼此互联操作的多个计算设备，其中计算设备可以是计算机、智能设备；支持互联网的移动设备等。因此，所提出的系统在哪里以及如何配置的所有可能的修改、实现和实施例都属于本发明的范围。

图8图示了根据本公开示例性实施例执行基于激光雷达和雷达的跟踪方法。

一方面，所提出的方法可用计算机可执行指令的一般情况进行说明。通常，计算机可执行指令可包括例程、程序、对象、组件、数据结构、过程、模块、功能等。它们执行特定的功能或实现特定的抽象数据类型。该方法还可以在分布式计算环境中实施，由通过通信网络链接的远程处理设备来执行其功能。在分布式计算环境中，计算机可执行指令可位于本地和远程计算机存储介质中，包括存储器存储设备。

本方法的说明顺序不应被解释为限制，且任何数量的所述方法框可以任何顺序组合以实现该方法或其替代方法。此外，在不脱离本发明精神和范围的情况下，可以从本方法中删除某些独立的框。此外，本方法可以在任何合适的硬件、软件、固件或其组合中实现。然而，为了便于解释，在下面说明的实施例中，可认为本方法是在上述系统中实现的。

一方面，本公开阐述了一种根据存储在车辆计算机中的指令执行并用于跟踪一个或多个对象以识别可用空间的方法。该方法包括，在步骤802，接收来自一个或多个激光雷达传感器的激光雷达数据和来自一个或多个雷达传感器的雷达数据，并将接收的激光雷达数据和接收的雷达数据映射到网格中，其中一个或多个激光雷达传感器和一个或多个雷达传感器中的每一个感测相应区域中的一个或多个对象；以及在步骤804，跟踪对应于一个或多个激光雷达传感器和一个或多个雷达传感器的一个或多个区域中的一个或多个对象，并对一个或多个激光雷达传感器和一个或多个雷达传感器中的任何一个都没有感测到的一个或多个对象执行状态估算。

该方法还包括，在步骤806，通过将所述一个或多个网格地图从传感器坐标系转换到车辆坐标系来融合一个或多个激光雷达传感器和一个或多个雷达传感器的一个或多个网格地图，以生成融合网格地图，其中融合网格地图与轨迹管理和扫描匹配中的任何一个或组合相结合，以执行对一个或多个静态或动态对象的分类和融合网格地图中可用空间的识别。

本领域的技术人员将理解，本公开的各个方面所利用的一些重要技术包括轨迹初始化、基于激光雷达和雷达的环绕视图系统、联合轨迹管理、基于融合网格的环境映射、用于相机和雷达传感器乱序测量对行人进行分类的随机方法。

上述基于网格的融合方法提高了扫描拥挤城市的复杂环境以及其中车辆和行人不可预测的位置移动的可能性。它还有助于管理对非线性和高度机动的移动目标的跟踪，并提供可用于停车或主车辆导航的可用空间的详细信息。此外，与现有的基于摄像机的环绕视图跟踪系统相比，本文说明的基于激光雷达和雷达的融合环绕视图跟踪系统在目标(被跟踪的物体)的位置和速度方面极其精确。基于激光雷达和雷达的融合跟踪系统的范围更大，因此比基于摄像机的环绕视图跟踪系统更有优势。

由本公开发明所实现的环绕视图跟踪可以很好地用于车辆的自主操作，可用于诸如代客泊车、交通堵塞引导或高速公路引导操作等方面。

容易理解的是，本公开的主要应用是在汽车领域中用于行人检测和可用空间检测，但它也可用于非汽车领域对任何运动物体的类似检测。

如本文所用，除非上下文另有规定，术语“耦合到”意在包括直接耦合(其中两个元件彼此耦合或彼此接触)和间接耦合(其中至少一个附加元件位于两个元件之间)。因此，术语“耦合到”和“耦合于、与……相耦合”用作同义词。在本文档的上下文中，术语“耦合到”和“耦合于、与……相耦合”也被委婉地用来表示通过网络“通信耦合”，其中两个或多个设备可能经由一个或多个中间设备通过网络彼此交换数据。

此外，在解释说明书和权利要求时，所有术语都应以与上下文一致的尽可能广泛的方式来解释。具体而言，术语“包括”和“包含”应该被解释为以非排他性的方式指代元件、组件或步骤，表明所引用的元件、组件或步骤可以存在、或被应用、或与未明确引用的其他元件、组件或步骤组合使用。当说明书权利要求指明从由A,B,C……N所组成的组合中选择至少一种，该文本的意思应该是只需要组合中的一个元素即可，而不是A加N，或者B加N等。

本公开虽已图示和说明了一些实施例，但本质上这些实施例完全是示例性的。本公开不仅限于在此说明的实施例，并且对于本领域技术人员来说显而易见的是，除了已经说明的那些实施例之外，在不脱离本发明精神的情况下，许多修改都是可能的。所有这些修改、改变、变化、替换和等同情况都完全属于本公开的范围。因此，本发明的主题不限于所附权利要求的内容。

本公开提供了一种将轨迹管理与网格映射相结合并使用多个激光雷达和雷达来实现360度目标跟踪和映射的系统。

本公开提供了一种使用更少计算力且更具响应性的系统。使用3D激光雷达的现有系统成本高，计算量大，并且由于安装在车辆的车顶上，在车辆附近会产生大约5-10米的盲区。此外，所提出的系统为激光雷达聚类/分割提供了反馈机制，因此减少了激光雷达聚类/分割所需的计算负荷。

本公开提供了一种系统，由于其依赖于激光雷达传感器和雷达传感器，因此该系统比基于照相机的系统具有更高的精度。

本公开提供了一种系统，该系统消除了地面数据和由于粗糙/高低不平地面导致的后续误差。考虑到激光雷达的目标距离-高度与由数据点创建的平面法线的关系，该系统利用点距地面高度数学计算的综合方法来消除地面数据。其适用于平面和粗糙/高低不平地面。

本公开提供了一种系统，该系统使用基于区域/地区的跟踪来提高跟踪性能，并有助于各种传感器非感测区域的环绕视图创建/跟踪(盲区跟踪)。

本公开提供了一种系统，该系统通过激光雷达和雷达环绕视图跟踪系统以更高精准度识别各种遮挡。现有系统或现有技术通常使用激光雷达传感器来识别遮挡，而本公开还使用雷达传感器和轨迹管理机制来识别雷达区域中的各种遮挡。

本公开提供了一种系统，该系统相对于传统平均技术改进了区域/轨迹初始化。该系统使用雷达和激光雷达跟踪时间的加权速度估算，是使用传统平均技术初始化的改进版本。

本公开提供了一种系统，该系统可更好地对静态和动态目标进行分离。该系统使用随机逼近的点方法对行人进行分类，这是目标分类和跟踪最具挑战性的方面。这是能更好地进行行人检测的系统。

本公开提供了一种系统，该系统实现了在高低不平的表面(例如停车场的砾石区)进行更好的轨迹管理的方法。

本公开提供了一种系统，该系统增强了扫描拥挤城市的复杂环境以及车辆和行人不可预测的位置移动的可能性。

本公开提供了一种系统，该系统跟踪目标的非线性和高度机动的位置移动，并提供用于停车或车辆导航的可用空间的信息。

本公开提供了一种系统，该系统比基于相机的系统连续检测范围更大。