基于扩展物体法的车辆跟踪：雷达与激光融合的方法

（Vehicle Tracking Using Extended Object Methods:An Approach for Fusing Radar and Laser）

自动驾驶车辆装备有各种传感器用以感知周围环境。这些传感器包括雷达传感器，激光扫描仪，超声波传感器，单眼或立体相机。为了获得其他交通参与者的具体信息，如他们的姿势，速度，偏航率等信息，传感器数据通常在跟踪模块中被处理。本文提出了一种利用雷达传感器和激光扫描仪对车辆进行跟踪的新方法。这种方法分别用雷达和激光数据跟踪车辆，并通过新的遮挡处理扩展了激光测量模型。

该方法可以充分利用所有可用的信息，包括一些模糊的信息。使用基于随机有限集（RFS）方法的多目标滤波器来解决多目标问题，同时，该滤波器也用于集中融合来自两个短程雷达传感器和平面激光扫描仪的数据。使用扩展的物体测量模型来对激光和雷达数据进行处理，同时这些模型还能够处理模糊数据、视角变化以及进入和离开视场的物体。使用广义多伯努利坐标表示多物体状态的使得滤波器能够考虑多个假设以及矛盾解决的情况。这使得详细的扩展对象模型能够处理模糊数据。所以，该方法能够很容易的解决以下几种以往难以处理的场景信息，如（部分）遮挡场景、进入和离开视场的物体以及具有很小反射面积的转向车辆。

通过MATLAB仿真以及两个试验场景测试来评估所提出的车辆跟踪方法。试验和仿真结果表明，该方法具有很高的跟踪精度以及良好的适应性。