[论文解读] A View-Dependent Adaptive Matched Filter for LADAR-Based Vehicle Tracking

Daniel Morris, Regis Hoffman+1 more|arXiv (Cornell University)|Sep 25, 2017

Autonomous Vehicle Technology and Safety参考文献 7被引用 4

一句话总结

本文提出了一种视图相关的自适应匹配滤波器，用于在自主地面车辆中从LADAR数据中实现快速、精确的车辆位姿估计。通过推导针对目标位姿和尺寸优化的解析匹配函数，该方法实现了在10 Hz下对超过50辆车辆的实时跟踪，并利用基于支持向量机的分类器将车辆与杂波区分开来。

ABSTRACT

LADARs mounted on mobile platforms produce a wealth of precise range data on the surrounding objects and vehicles. The challenge we address is to infer from these raw LADAR data the location and orientation of nearby vehicles. We propose a novel view-dependent adaptive matched filter for obtaining fast and precise measurements of target vehicle pose. We derive an analytic expression for the matching function which we optimize to obtain target pose and size. Our algorithm is fast, robust and simple to implement compared to other methods. When used as the measurement component of a tracker on an autonomous ground vehicle, we are able to track in excess of 50 targets at 10 Hz. Once targets are aligned using our matched filter, we use a support vector-based discriminator to distinguish vehicles from other objects. This tracker provides a key sensing component for our autonomous ground vehicles which have accumulated hundreds of miles of on-road and off-road autonomous driving.

研究动机与目标

• 解决从原始LADAR测距数据中精确估计附近车辆三维位姿（位置和朝向）的挑战。
• 与现有方法相比，提升自主车辆感知中的跟踪速度和鲁棒性。
• 在移动平台上实现实时运行，具备高目标吞吐量和低计算开销。
• 通过基于支持向量机的分类器，在复杂环境中将车辆与非车辆物体区分开来。
• 通过提供稳定、精确的测量组件，支持可靠长时间的自主驾驶。

提出的方法

• 开发一种视图相关的匹配滤波器，使其能根据LADAR传感器相对于目标车辆的视角自适应调整。
• 推导出一种匹配函数的解析表达式，以优化三维车辆模型与观测到的LADAR点云之间的对齐。
• 优化匹配函数，以同时估计目标位姿（位置和朝向）和尺寸。
• 使用支持向量机（SVM）分类器在对齐后对场景中的物体进行车辆与非车辆的区分。
• 将匹配滤波器作为更广泛跟踪框架中的测量模型，集成于自主地面车辆系统中。
• 通过解析优化确保计算效率，实现在10 Hz下的实时性能。

实验结果

研究问题

• RQ1 如何使匹配滤波器在LADAR车辆跟踪中适应不同的观察角度？
• RQ2 何种解析公式能够实现从稀疏LADAR点云中快速、精确地估计车辆位姿和尺寸？
• RQ3 所提出的方法能否在同时跟踪超过50辆车辆的情况下实现≥10 Hz的实时性能？
• RQ4 该方法在杂乱环境中有效区分车辆与非车辆物体的能力如何？
• RQ5 该跟踪器在长时间自主驾驶场景中的性能表现如何？

主要发现

• 所提出的视图相关的自适应匹配滤波器可在自主地面车辆平台上实现实时跟踪超过50辆车辆，帧率为10 Hz。
• 通过匹配函数的解析优化，该方法在估计车辆位姿和尺寸方面实现了高精度。
• 该跟踪器在道路和非道路环境中均表现出强健性，支持数百英里的自主驾驶。
• 基于支持向量机的分类器有效区分了场景中的车辆与其他物体。
• 该算法计算效率高且易于实现，在速度和可靠性方面优于其他方法。
• 该方法为可靠自主车辆感知系统提供了稳定且精确的测量组件。