华南理工大学学报(自然科学版)

作者：林永杰, 陈宁, 卢凯

单位：1.华南理工大学 土木与交通学院，广东 广州 510640；2.人工智能与数字经济广东省实验室（广州），广东 广州 510330

关键词：交通检测,车辆轨迹跟踪,毫米波雷达,短轨迹关联,模糊相关函数

基金：广东省自然科学基金青年提升资助项目(2023A1515030120);国家自然科学基金青年基金资助项目(61903145)

毫米波雷达作为一种新兴的交通检测设备，受光照、天气等环境影响较小，能为道路交通感知、安全管控和信号配时优化等方面提供可靠的数据支撑。毫米波雷达获取的车辆轨迹数据蕴含着丰富的交通信息，反映了车辆时空运动特征，对交通参数提取、事件检测、驾驶行为分析、信号配时优化等具有重要意义。针对路口毫米波雷达检测车辆时数据丢失、易被遮挡，导致轨迹碎片化、有效跟踪率低等问题，文章采用多阶段关联的思想提出了一种基于短轨迹片段关联的车辆轨迹连续跟踪方法。首先，获取路口处毫米波雷达高频采集的二维点云数据，并进行清洗获取有效目标点云；其次，通过帧间关联从二维点云中提取短轨迹片段，并使用多重运动序列特征进行轨迹片段修正以剔除分裂轨迹；第三，基于时空维度的运动特性构建模糊相关函数描述车辆经过路口时多个短轨迹碎片之间的相关度，并利用匈牙利法求解关联度最高的构成目标短轨迹集合；最后，基于三次分段Hermite插值法修复短轨迹集合中缺失的轨迹点，推算完整轨迹并实现连续跟踪。利用真实路口采集的6 627帧二维点云数据进行试验，其结果表明：相较于传统轨迹跟踪算法，提出的方法在不同车流密度、监测方向和遮挡情况下均能取得较优的跟踪性能，其跟踪准确性为92.4%，平均轨迹间断数为4.5条，估计的车辆数准确率显著提升。

来源：2023年第10期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2023年第10期