基于多激光雷达行人目标跟踪

《基于多激光雷达行人目标跟踪》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要行人目标跟踪作为一项重要的基础性技术，在安防监控、客流统计等诸多场合有着极为重要的应用价值。当前，基于计算机视觉的行人目标跟踪已经发展得比较成熟，在很多场合也得到了有效的应用。然而基于视觉传感器的目标跟踪方法也存在着很多固有缺陷，如算法受光照影响较大、图象成像过程中深度信息的丢失、算法复杂度高等，使得在如遮挡、夜间等情况下的使用效果不令人满意。作为一种有效的距离传感器，激光雷达能够直接获取环境的三维信息，而且工作基本不受环境光照的影响，因此近年来激光雷达在机器人导航、行人检测等领域得到了广泛的应用。

2、本文设计了一个基于多激光雷达系统的行人目标跟踪方法。将多台单线激光雷达合理分布在大范围的场景中，雷达激光扫描平面设置在行人脚踝位置以获得行人脚步的位置数据，对环境信息进行采集；通过多传感器联合标定将所有雷达数据融合到一个统一的坐标系下；利用行人行走时双脚的运动规律建立行人运动模型，最终利用卡尔曼滤波器实现对行人的实时跟踪。根据所提出的方法，本文构造了实际的实验系统。系统以两台激光雷达为传感器，分别在走廊、门厅等相关场合采集了多人的运动数据进行实验。实验结果表明，多激光雷达系统能够实现多人的同时跟踪，在目

3、标遮挡情况下的跟踪效果良好，基本达到了预定的效果。和基于视觉的行人跟踪方法相比，本文所提出的基于多激光雷达的方法具有不受环境光照影响，处理算法相对简单，目标跟踪稳定可靠的优点，更适合在人流密集的场合应用，具有很好的应用前景。关键词：多雷达行人跟踪运动模型脚步检测卡尔曼滤波AbstractPedestriantracking．asallimportantfundamentaltechnology，showsagreatapplicationvalueinsomefieldssuchassecuritymo

4、nitoring、trafficstatisticsandSOon．Currently。pedestriantrackingbasedoncomputervisionhasalreadywelldeveloped，anditiSappliedinmanyfieldseffectively．Buttrackingbasedoncomputervisionhasitsowninherentdefects，forexamplebadlyaffectofillumination；thelossofdepthin

5、formationduringtheimagingprocess；highcomplexityofprocessingalgorithmandSOon，whichmakestheresultofcomputervisiontrackingunsatisfiedundersomesituationssuchasblocking、darkandSOon．Asaneffectivedistancesensor，1aserscannerCanobtain3-Ddistanceinformationdirectl

6、y．anditiscompletelynotaffectedbythesituationsoutsidesuchasillumination，SOduringtheseyearslaserscanneriSwildlyusedinrobotnavigation、pedestriantrackingandotherareas．Tmsarticleproposedamethodofpedestriantrackingbasedonmultiplelaserscannerssystem．Bydistribut

7、ingmultiplelaserscannersinawildareareasonably，settingthelasers’scanplaneneartheheightofpedestrian’Sankletoobtainthe10cationdataofpedestriaIl’Sbotllfeet．atsanletimecollectthebackgroundinformationofenvironment；afterMergingthedatasfromdifferentlasercannersu

8、nderthesameCartesiancoordinatebythecalibrationamongmultiplelaserscanners；thenusingthemovementlawofpedestriantobuildupamodelofpedestrian；atlasttoachievethetrackingofpedestrianthroughKalmanfilter．Accordingtothemethodwepropos