基于累积体素的自动驾驶技术动态区域估计方法

（A dynamic zone estimation method using cumulative voxels for autonomous driving）

针对无人驾驶车辆的自动驾驶技术，目前已经研究了避障和可用道路识别技术等。为了将研究成果扩展到实际环境中的自动驾驶，需要将运动物体考虑进去。本文提出了一种预处理方法，用来识别无人驾驶车辆周围存在运动物体的动态区域。该方法首先需要安装在无人驾驶车辆上的测距传感器采集的三维像素空间中累积三维点数据。接下来，从累积点的数据中高速识别特征，并将具有显著特征变化的区域估计为动态物体存在的区域。本文提出的方法可以识别动态区域，即使对于车辆移动的情况也可以根据三维空间数据的几何图形、高度图和分布情况快速处理数据。本文还通过真实环境数据集上的地面实况数据进行模拟试验以对该方法进行评估，验证了其可行性。

本文提出了一种用于在累积体素环境中检测包含动态对象的区域的预处理方法。该方法只是通过识别与动态物体在累积体素环境中形成的轨迹对应的体素特征来估计具有动态物体的区域，而不分割地面和物体。将物体上的原始点转化为体素并积累，形成分布在物体单元上的累积体素图。接下来，使用每个物体单元中的体位分布来估计动态目标单元。最后，通过后处理改善了所提出的方法的准确性，即从包含静态目标单元的环境中估计静态目标单元。根据实验结果表明，动态目标单元的检测精度达到了93.99%。一帧的检测率是19ms。由于实验中使用的激光雷达的数据采集周期为100ms，因此验证了本文提出的方法能够实时检测动态目标单元。本文提出的方法使用3D激光雷达数据有助于减少动态检测中的处理时间。未来工作可以考虑多种情况的影响来提高该方法的准确性和鲁棒性，特别是当对象的状态从静态变为动态的情况或反之，以及当移动对象被其他对象部分遮挡时，或者当点云运动目标被多个单元划分时的情况。