自动驾驶汽车中正面动态物体三维跟踪框架
机器人学
2023-10-02 v1 计算机视觉与模式识别
信号处理
摘要
正面动态物体的识别与三维跟踪是自动驾驶车辆中的关键问题，而使用单目相机时深度估计作为基本问题变得极具挑战。由于相机与物体均在运动，该问题可建模为运动恢复结构（SFM）问题。本文中，为从图像中提取特征，在OpenCV跟踪器之外还使用了YOLOv3方法。随后，为获取横向与纵向距离，考虑了一个非线性SFM模型，并结合状态依赖Riccati方程（SDRE）滤波器与新开发的观测模型。此外，提出了一种以切换估计误差协方差形式的切换方法，以增强SDRE滤波器的鲁棒性能。所提滤波器的稳定性分析在一类离散非线性系统上进行。进一步，解析得到了由模型不确定性引起的估计误差最终界，以研究切换的意义。仿真结果用于验证切换SDRE滤波器的性能。最后，通过在Jetson TX2板上实现的多线程框架进行实时实验，并使用雷达数据用于评估。
引用
@article{arxiv.2103.13430,
title = {A Framework for 3D Tracking of Frontal Dynamic Objects in Autonomous Cars},
author = {Faraz Lotfi and Hamid D. Taghirad},
journal= {arXiv preprint arXiv:2103.13430},
year = {2023}
}