基于路侧激光雷达和摄像头融合的目标轨迹追踪方法研究

作     者：皮任东 

作者单位：山东大学 

学位级别：硕士

导师姓名：宋修广;吴建清

授予年度：2022年

学科分类：08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 

主      题：轨迹追踪 目标检测 数据配准 注意力机制 自适应权重 

摘      要：随着汽车保有量的不断增加,复杂的交通环境导致交通压力与日俱增,交通拥堵和交通安全等问题日益显著。因此,获取可靠准确的道路目标轨迹信息对于研判交通态势、降低交通冲突风险以及保障道路通行效率等起着至关重要的作用。目前常见的多目标轨迹追踪方法多依靠单一传感器进行,容易产生精度低、鲁棒性差等问题。鉴于此,本文基于路侧激光雷达和摄像头两种传感器数据,进行了二者时间和空间配准方法研究,探究了不同布设姿态对于路侧激光雷达和摄像头的配准效果影响,为二者轨迹数据信息融合奠定基础。通过多项评估指标,系统研究了四种注意力机制对2D和3D目标检测算法的性能影响,并比选出了目标检测性能更好的目标检测算法,为目标轨迹追踪提供了可靠的数据支撑。基于对点云质量(数量、密度等)距离衰变特性的考虑,提出了基于自适应权重系数的轨迹信息融合算法,实现了同一时空下多维度轨迹信息的相互融合,弥补了单一传感器在进行目标轨迹追踪时的不足。依据研究成果,所取得的主要结论如下:(1)设计构建了多源数据采集平台,提出了基于点云和图像数据时间戳的时间配准方法,经配准后所得的激光雷达和摄像头同一时刻数据时间差不大于0.1s;基于张正友平面标定法和平面靶模型,完成路侧激光雷达和摄像头的内外参标定;通过对比分析水平和垂直布设方式不同间距下的重投影误差及效果,得到适宜的布设间距。(2)从目标检测算法试验中可以得出,通过添加注意力机制可以有效提升2D或3D目标检测模型性能;在2D目标检测算法方面,添加注意力机制有利于提升目标检测网络精度和和准确率,其中通过添加CoordAtt模块,算法检测精确率提升最高,相较原算法提升了 4.48%。在3D目标检测算法方面,针对“汽车道路目标,添加注意力机制对算法性能提升不明显;针对“行人道路目标,添加注意力模块后,检测算法在bbox、3d和aos三种指标上有所提升,在bev指标上,模型性能有所降低,但总体来看,添加注意力机制模块有助于提升目标检测算法性能。针对“非机动车道路目标,通过添加Ecalayer注意力模块或SELayer模块,相较原算法,在四种性能评价指标上获得显著提升,其中在bbox和aos两项指标上平均提升了 8%。(3)通过引入点云质量的距离衰变特性,创新地提出了基于自适应权重系数的目标轨迹追踪方法。在轨迹追踪方法准确性方面,所提出的轨迹追踪方法在匀速试验场景下,能够较为准确地计算出目标行驶速度,计算误差不大于10%。在轨迹追踪方法鲁棒性方面,在5种不同的道路场景下,该方法均能取得较好的轨迹追踪效果;相较单一的2D或3D轨迹追踪算法,有效提升了轨迹追踪范围;针对机动车、非机动车和行人三种常见道路目标,该方法可有效缓解目标丢失现象,断连轨迹修复率分别为12.9%、40%和38.24%。