融合路侧稀疏雷达点云与像素关键点的三维扩展目标跟踪
信号处理
2024-04-30 v1
摘要
路侧感知是智能交通系统中的关键组成部分。在本文中，我们提出了一种新颖的三维（3D）扩展目标跟踪（EOT）方法，该方法在路侧感知中同时使用雷达和相机数据，对目标的运动学和扩展状态进行联合估计。由于传感器视角和有限角度分辨率的影响，来自目标的雷达测量是稀疏且非均匀分布的，导致目标扩展和位置估计不准确。为解决此问题，我们提出了一种新颖的球面高斯函数加权高斯混合模型。该模型假设雷达测量源自车辆扩展表面上的一系列概率加权雷达反射器。此外，我们利用车辆关键点的视觉检测来提供关于雷达反射器位置的额外信息。由于关键点可能并不总是与雷达反射器对应，我们提出了一种弹性骨架融合机制，该机制构建虚拟力来建立车辆上雷达反射器与其扩展表面之间的关系。此外，为了更好地描述车辆的运动学状态并约束其扩展状态，考虑到车辆相对于路侧传感器的复杂3D运动，我们开发了一种新的3D恒定转弯率和速度运动模型。最后，我们将变分贝叶斯近似应用于难以处理的测量更新步骤，以实现对目标状态的递归贝叶斯估计。使用Carla模拟器的仿真结果和在nuScenes数据集上的实验结果表明，与几种最先进的3D EOT方法相比，所提出的方法具有有效性和优越性。
引用
@article{arxiv.2404.17903,
title = {3D Extended Object Tracking by Fusing Roadside Sparse Radar Point Clouds and Pixel Keypoints},
author = {Jiayin Deng and Zhiqun Hu and Yuxuan Xia and Zhaoming Lu and Xiangming Wen},
journal= {arXiv preprint arXiv:2404.17903},
year = {2024}
}