本发明属于智能车辆、移动机器人等无人移动平台的环境感知技术领域，主要涉及一种基于激光雷达的移动平台自适应扩展目标跟踪系统及方法。
背景技术：
在智能车辆、移动机器人等无人移动平台中，环境感知是最基础、关键的技术之一。为了提高上述移动平台在复杂环境下感知能力，无人移动平台需要具备对不同目标感知的适应能力，但传统方法中一般仅利用单一模型对单一类型目标进行感知与描述，也不具备对同一目标不同形态的跟踪切换能力，使得移动平台感知能力受到实际环境的极大约束。
中国专利申请：一种基于改进联合概率数据关联的分布式目标跟踪方法(申请号：cn201610821318.5)公开了一种改进的分布式目标跟踪方法，该方法通过对分布式系统中每个传感器分别进行数据关联与滤波，得到各自传感器关于检测范围内的目标的状态估计，然后再对个传感器估计结果进行空间上的融合，以此提高jpda算法的时间性能，但该方法在数据关联和滤波过程中对传感器重叠区域目标存在重复计算步骤，并且该方法只适用于点目标跟踪环境的假设。
中国专利申请:基于多尺度模型的红外/激光雷达数据融合目标跟踪方法(申请号：cn201510080015.8)公开了一种多尺度融合的目标跟踪方法，该方法将多尺度模型引用到跟踪系统中，通过在不同尺度上对目标状态进行滤波估计，以此提高目标状态的估计精度和跟踪系统的鲁棒性，但该方法一方面没有对多尺度进行量化分析，另一方面，其融合跟踪系统只考虑了目标的位置状态，没有充分考虑目标自身尺度变化对跟踪系统的影响。
中国专利申请：多传感器存在监测区域部分重叠的扩展目标跟踪方法(申请号：cn201510166517.2)公开了一种多传感器重叠区域扩展目标跟踪方法，该方法充分考虑了多传感器融合方法在实际应用中存在监测区域重叠的情况，并针对该问题，提出了一种改进的序贯滤波算法(gm-phd)并应用到扩展目标跟踪中。但由于该方法所改进得到的序贯滤波算法没有使用目标关联技术，在重叠区域，由于多传感器观测角度不同导致重叠区域内的目标量测不同，进而会导致gm-phd方法中量测划分失败的问题。
中国专利申请：一种基于几何比例关系的扩展目标跟踪方法(申请号：cn201410114293.6)公开了一种基于几何比例关系的扩展目标跟踪方法，该方法根据所跟踪目标的几何比例不变性，主要解决当目标出现自遮挡时导致跟踪点丢失的问题，尽管该方法充分利用了跟踪目标的尺寸扩展特性，但其基于目标的比例不变性是在目标几何特征等先验知识已知的假设条件下进行的。
中国专利申请：基于无迹卡尔曼滤波的机动扩展目标跟踪方法(申请号：cn201610809777.1)公开了一种基于无迹卡尔曼滤波的扩展目标跟踪方法，该方法充分考虑了高精度传感器能观测到目标宽度或大小等扩展信息，以此对跟踪目标进行建模，并利用无迹卡尔曼滤波方法对扩展目标的运动状态和扩展形态进行联合估计，主要解决了扩展目标的运动状态和扩展形态的联合描述与估计，但该方法仅考虑目标扩展形态存在情况下的目标跟踪问题，没有考虑目标扩展形态从有到无或从无到有的变化。
中国专利申请：近邻传播观测聚类的多扩展目标跟踪方法(申请号：cn201510218848.6)公开了一种划分聚类与扩展目标跟踪方法，该方法通过椭球门限与量测欧氏距离进行初始量测划分，且仅对目标运动状态和数量进行估计，没有考虑目标的扩展特性。
本发明针对现有智能车辆、移动机器人等无人移动平台环境感知系统中目标跟踪模型单一，没有考虑跟踪过程中根据目标特征变化进行模型切换的问题，提出一种基于激光雷达的移动平台自适应扩展目标跟踪系统及方法。在该系统中，通过对激光雷达传感器生成的局部栅格地图进行聚类、特征提取等处理，并采用基于目标形状特征和运动特征的运动目标检测与识别方法，同时根据目标扩展特征大小及变化情况，在同一时刻建立扩展目标跟踪滤波器和点目标跟踪滤波器分别对扩展目标和点目标实现混合跟踪,并对同一目标不同跟踪时刻实现自适应跟踪模型切换，从而提高了智能车辆、移动机器人等无人移动平台在复杂环境下环境感知适应能力。
技术实现要素：
本发明为了解决现有智能车辆、移动机器人等无人移动平台中环境感知系统仅利用单一模型对单一目标进行感知与描述，也不具备对同一目标不同形态的跟踪切换能力的问题，提出了一种有效提高无人移动平台环境感知系统对复杂环境适应能力与跟踪性能的基于激光雷达的移动平台自适应扩展目标跟踪系统及方法。
本发明的技术方案如下：
一种基于激光雷达的移动平台自适应扩展目标跟踪系统，其包括：全局定位模块、局部地图生成模块、目标检测与识别模块、运动目标分类模块和自适应跟踪模块，其中：所述全局定位模块，用于通过卫星定位设备获取移动平台在地理坐标系下的位置与运动状态信息；所述局部地图生成模块，用于通过激光雷达传感器检测平台周围环境，根据激光雷达量测数据，生成移动平台当前位置对应的局部地图；所述目标检测与识别模块，用于对当前时刻局部地图进行聚类、特征提取处理，并根据历史局部地图数据和移动平台位置、运动状态信息，采用基于形状特征和运动特征两种方法检测并识别运动目标；所述运动目标分类模块，用于根据运动目标距离远近、形状特征大小将目标分类为扩展目标与点目标，并采用扩展目标运动状态向量和点目标运动状态向量分别进行描述；所述自适应跟踪模块，用于根据运动目标分类结果，在同一时刻分别建立扩展目标跟踪滤波器和点目标跟踪滤波器对扩展目标和点目标实现混合跟踪，在不同时刻对同一目标实现自适应跟踪模型切换。
进一步的，所述全局定位模块通过卫星定位设备采集并计算移动平台自身在地理坐标系下的位置和运动速度。
进一步的，所述局部地图生成模块生成的移动平台周围局部地图的格式为栅格地图，每个栅格用一个向量表示，局部地图表示为以栅格向量为元素的矩阵，栅格状态表示该栅格中包含的激光雷达传感器扫描点集合。如果栅格包含激光雷达扫描点个数大于等于某一阈值，则该栅格为占据状态，反之为非占据状态。
进一步的，所述目标检测与识别模块对当前时刻局部栅格地图进行聚类、特征提取处理，同时根据历史时刻局部地图，以及移动平台位置与运动状态信息，从当前局部地图中检测与识别候选运动目标，其步骤包括：
(1)栅格点聚类：将当前局部栅格地图转化为二值图像格式，对该图像进行形态学闭运算、连通区域分析，将属于同一连通区域的占据栅格视为一个聚类，得到当前时刻栅格聚类集合。
(2)特征提取：根据(1)中每一个聚类包含栅格点个数是否大于阈值，如果大于阈值则表示目标距离移动平台较近，需要考虑目标扩展特性，对该聚类内部激光雷达扫描点集合进行特征提取处理。
(3)基于形状特征目标检测：从聚类集合中筛选出特征信息符合条件的聚类，将其标记为候选运动目标。
(4)基于运动特征目标检测：对于聚类集合中不能提取特征信息的聚类，根据移动平台位置与运动状态信息，将前n个时刻的局部地图数据进行空间对准到当前时刻局部地图中，如果该聚类位置信息在n+1个时刻内发生连续变化，则将该聚类标记为候选运动目标。
(5)候选运动目标确认：根据(4)、(5)检测结果，确认当前时刻候选运动目标。
进一步的，所述步骤2)对聚类内部激光雷达扫描点集合进行特征提取处理具体包括点云聚类、分割、直线拟合，提取该聚类宽度和长度扩展信息，根据扩展信息的大小，采用包含特征信息与不包含特征信息两种方式来表示目标。
进一步的，所述局部地图生成模块中，激光雷达传感器检测并获取移动平台周围环境信息，如果某个栅格中包含的激光雷达扫描点数量大于等于某一阈值，则设置该栅格状态为占据状态，反之为非占据状态。
进一步的，所述运动目标分类模块根据运动目标距离远近、形状特征大小将目标分类为扩展目标与点目标，并分别采用不同状态向量描述。
进一步的，所述自适应跟踪模块在同一时刻分别建立扩展目标跟踪滤波器和点目标跟踪滤波器对扩展目标和点目标实现混合跟踪，并对同一目标不同跟踪时刻实现自适应跟踪模型切换，其步骤包括：
(1)根据运动目标分类结果，分别对扩展目标和点目标建立跟踪状态空间模型。
(2)建立多目标跟踪管理器，对目标跟踪起始、终止进行管理，基于最近邻目标关联和卡尔曼滤波器原理，同时建立扩展目标跟踪滤波器和点目标跟踪滤波器对当前确认候选运动目标实现混合跟踪。
(3)在跟踪过程中，根据目标扩展特征大小变化情况，并对同一目标不同跟踪时刻实现自适应跟踪模型切换。
一种基于所述系统的激光雷达的移动平台自适应扩展目标跟踪方法，其包括以下步骤：
(1)移动平台位置与运动状态检测：在当前时刻，全局定位模块通过卫星定位设备采集并计算移动平台自身在地理坐标系下的位置和运动速度k；
(2)局部地图生成：激光雷达传感器采集移动平台周围环境信息，生成当前时刻的局部栅格地图；
(3)目标检测与识别：目标检测与识别模块首先对当前时刻局部栅格地图进行栅格点聚类处理，同时对聚类内部激光雷达扫描点云进行特征提取，然后根据历史局部地图信息，以及移动平台位置、运动状态信息，采用基于形状特征和运动特征两种方法从所有聚类中检测与识别候选运动目标。
(4)运动目标分类：运动目标分类模块主要根据运动目标距离远近、形状特征大小将目标分类为扩展目标与点目标，如果目标距离小于某一阈值，且目标长度、宽度大于某一阈值，则将该目标标记为扩展目标，反之，标记为点目标。
(5)自适应目标跟踪：自适应目标跟踪模块主要根据运动目标分类结果，分别建立扩展目标跟踪滤波器和点目标跟踪滤波器，在同一时刻对扩展目标和点跟踪实现混合跟踪处理，在不同时刻对同一目标实现自适应跟踪模型切换。
进一步的，所述步骤(5)自适应目标跟踪步骤包括：
(1)状态空间模型建立：根据扩展目标和点目标状态向量模型，定义扩展目标跟踪模型；
(2)多模型混合跟踪：建立多目标跟踪管理器，对目标跟踪起始、终止进行管理，基于最近邻目标关联和卡尔曼滤波器原理，根据运动目标分类结果，同时建立扩展目标跟踪滤波器和点目标跟踪滤波器对当前确认候选运动目标集合中扩展目标和点目标实现混合跟踪，更新当前时刻各目标最优状态估计；
(3)同一目标跟踪模型切换：在跟踪过程中，根据目标扩展特征大小变化情况，对目标跟踪模型实现自适应切换，具体包括由点目标跟踪模型切换为扩展目标跟踪模型和由扩展目标跟踪模型切换为点目标跟踪模型两种切换类型。
本发明的优点及有益效果如下：
本发明提出一种基于激光雷达的移动平台自适应扩展目标跟踪系统及方法。一方面，该方法通过对局部栅格地图进行聚类、特征提取处理，同时采用基于目标形状特征和运动特征两种方法进行多维度的运动目标检测与识别，以此提高跟踪系统运动目标检测与识别概率；另一方面，根据提取到的运动目标特征信息大小，将候选目标分为扩展目标和点目标，在同一时刻，分别建立扩展目标跟踪滤波器和点目标跟踪滤波器对扩展目标和点跟踪实现混合跟踪处理，在不同时刻，根据目标特征信息变化情况，实现对同一目标不同跟踪模型的自适应切换。通过以上两方面，本发明有效提高了智能车辆、移动机器人等无人移动平台环境感知系统对复杂环境下多类型目标感知的适应能力与性能，对无人移动平台具有重要意义和应用价值。
附图说明
图1是本发明提供优选实施例基于激光雷达的移动平台自适应扩展目标跟踪系统总体框架；
图2是本发明移动平台局部地图的格式及坐标系定义；
图3是本发明基于激光雷达的移动平台自适应扩展目标跟踪方法流程图；
图4是本发明目标检测与识别方法流程图；
图5是本发明自适应目标跟踪方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是：
本发明提出一种基于激光雷达的移动平台自适应扩展目标跟踪系统及方法，该系统和方法通过根据目标扩展特征大小对运动目标进行分类，在同一时刻对扩展目标和点目标实现混合跟踪，同时根据目标扩展特征变化情况，在不同时刻对同一目标实现自适应跟踪模型切换，增强了诸如智能车辆、移动机器人等无人移动平台对复杂环境感知的适应能力与性能。
以下结合附图和具体实例对本发明的具体实施方式进行描述。
1.如图1所示为本发明提出的基于激光雷达的移动平台自适应扩展目标跟踪系统的总体框架。该系统包括全局定位模块、局部地图生成模块、目标检测与识别模块、运动目标分类模块和自适应跟踪模块。其中：全局定位模块用于通过卫星定位设备获取移动平台在地理坐标系下的位置lk＝(xk,yk,zk)和运动速度vk；局部地图生成模块用于通过激光雷达传感器检测平台周围环境，根据激光雷达量测数据，生成移动平台当前位置对应的局部地图mapk；目标检测与识别模块用于对当前时刻局部地图进行聚类、特征提取处理，并根据历史局部地图数据和移动平台位置、运动状态信息，采用基于形状特征和运动特征两种方法检测并识别运动目标tk；运动目标分类模块用于根据运动目标距离远近、形状特征大小将目标分类为扩展目标与点目标，并采用相应运动状态向量分别进行描述；自适应跟踪模块用于根据运动目标分类结果，在同一时刻分别建立扩展目标跟踪滤波器和点目标跟踪滤波器对扩展目标和点目标实现混合跟踪，在不同时刻对同一目标实现自适应跟踪模型切换。
2.如图2所示为本发明采用的移动平台局部地图的格式及坐标系定义。移动平台局部地图的格式为栅格地图，局部地图表示为以移动平台当前位置为原点，平台前方为y轴正向，垂直y轴方向向右为x轴正向，长为l、宽为w的矩形区域。选取规格为r*r的单元栅格将局部地图离散化为n*m个栅格，n＝l/r，m＝w/r，每个栅格用一个向量表示为sj＝(sxj,syj,fj,pointlist(j))t，局部地图表示为以栅格向量sj为元素的矩阵grid＝[sj]1,n*m，其中xj、yj为栅格中心坐标，fj为栅格状态，
3.如图3所示为本发明提出的一种基于激光雷达的移动平台自适应扩展目标跟踪方法流程，该方法包括以下步骤：
(1)移动平台位置与运动状态检测：在当前时刻k，全局定位模块通过卫星定位设备采集并计算移动平台自身在地理坐标系下的位置lk＝(xk,yk,zk)和运动速度vk；
(2)局部地图生成：激光雷达传感器采集移动平台周围环境信息，生成当前k时刻的局部栅格地图mapk＝{l,w,grid}。
(3)目标检测与识别：目标检测与识别模块首先对当前时刻局部栅格地图进行栅格点聚类处理，同时对聚类内部激光雷达扫描点云进行特征提取，然后根据历史局部地图信息，以及移动平台位置、运动状态信息，采用基于形状特征和运动特征两种方法从所有聚类中检测与识别候选运动目标
(4)运动目标分类：运动目标分类模块主要根据运动目标距离远近、形状特征大小将目标分类为扩展目标与点目标，如果目标距离小于某一阈值，且目标长度、宽度大于某一阈值，则将该目标标记为扩展目标，反之，标记为点目标。采用向量xe＝[x,vx,y,vy,w,l]描述扩展目标运动状态，向量xp＝[x,vx,y,vy]描述点目标运动状态，其中x和y分别为目标中心在移动平台坐标系下坐标，vx和vy分别为目标在移动平台坐标系下x轴和y轴方向速度分量，w和l分别为目标宽度和长度；
(5)自适应目标跟踪：自适应目标跟踪模块主要根据运动目标分类结果，分别建立扩展目标跟踪滤波器和点目标跟踪滤波器，在同一时刻对扩展目标和点跟踪实现混合跟踪处理，在不同时刻对同一目标实现自适应跟踪模型切换。
4.如图4所示为本发明目标检测与识别方法流程，主要采用基于目标形状特征和运动特征两个维度的检测方法识别当前时刻局部地图中的候选运动目标，其步骤包括：
(1)栅格点聚类：将当前局部栅格地图转化为二值图像格式，其中占据状态栅格像素值为0，表示图像的黑色，未占据状态栅格像素值为255，表示图像的白色，图像的背景颜色为白色，得到分辨率为n*m的图像，对该图像进行形态学闭运算、连通区域分析，将属于同一连通区域的占据栅格视为一个聚类，得到当前k时刻栅格聚类集合
(2)特征提取：根据(1)中每一个聚类
(3)基于形状特征目标检测：设实际目标宽度为wc，长度为lc，从聚类集合ck中筛选特征信息wi和li分量为非空，且满足|wi-wc|≤aw，|li-lc|≤al两个条件的聚类
(4)基于运动特征目标检测：对于聚类集合ck中特征信息wi和li分量为空的聚类
(5)候选运动目标确认：根据(4)、(5)检测结果，确认当前时刻候选运动目标ok＝{ofk,osk}，候选运动目标数量为on＝fn+sn。
5.如图5所示为本发明自适应目标跟踪方法流程，自适应目标跟踪模块主要根据跟踪模型分类结果，分别建立扩展目标跟踪滤波器和点目标跟踪滤波器，在同一时刻对扩展目标和点跟踪实现混合跟踪处理，且在不同时刻对同一目标实现自适应跟踪模型切换，其步骤包括：
(1)状态空间模型建立：根据扩展目标和点目标状态向量模型，定义扩展目标量测为ze＝(x,y,w,l)t，点目标量测为zp＝(x,y)t，则扩展目标跟踪模型描述为：
点目标跟踪模型描述为：
其中ae和ap分别为各自模型的状态转移矩阵，其值随目标运动模型不同而不同；he和hp分别为各自模型的观测向量矩阵，其值随状态向量和观测向量之间的变换关系而定；qe、re和qp、rp分别为各自模型的过程误差和量测误差；
(2)多模型混合跟踪：建立多目标跟踪管理器，对目标跟踪起始、终止进行管理，基于最近邻目标关联和卡尔曼滤波器原理，根据运动目标分类结果，同时建立扩展目标跟踪滤波器和点目标跟踪滤波器对当前确认候选运动目标集合ok中扩展目标和点目标实现混合跟踪，更新当前时刻各目标最优状态估计；
(3)同一目标跟踪模型切换：在跟踪过程中，根据目标扩展特征大小变化情况，对目标跟踪模型实现自适应切换，具体包括由点目标跟踪模型切换为扩展目标跟踪模型和由扩展目标跟踪模型切换为点目标跟踪模型两种切换类型。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。