基于概率量测-区域关联的 LiDAR 点云多车辆跟踪
信号处理
2024-05-21 v3 机器人学
摘要
由于高精度 LiDAR 和雷达传感器在汽车应用中的发展，多扩展目标跟踪 (ETT) 受到了越来越多的关注。针对基于 LiDAR 点云的车辆跟踪，本文提出了一种概率量测-区域关联 (PMRA) ETT 模型，该模型通过将目标范围划分为不同区域来描述复杂的量测分布。PMRA 模型克服了以往数据-区域关联 (DRA) 模型的缺点，消除了约束估计的近似误差，并使用连续积分更可靠地计算关联概率。此外，PMRA 模型与泊松多伯努利混合 (PMBM) 滤波器相结合，用于多车辆跟踪。仿真结果表明，与使用 gamma Gaussian inverse Wishart 和 DRA 实现的 PMBM 滤波器相比，所提出的 PMRA-PMBM 滤波器在车辆位置和范围方面均具有更优的估计精度。
引用
@article{arxiv.2403.06423,
title = {LiDAR Point Cloud-based Multiple Vehicle Tracking with Probabilistic Measurement-Region Association},
author = {Guanhua Ding and Jianan Liu and Yuxuan Xia and Tao Huang and Bing Zhu and Jinping Sun},
journal= {arXiv preprint arXiv:2403.06423},
year = {2024}
}
备注
8 pages, 5 figures, accepted by the 27th International Conference on Information Fusion (FUSION 2024)