Objekterkennung und -tracking mit Lidar-Daten

Übersicht

Lidar-Sensoren sind für autonome Fahrzeuge und die meisten bodengebundenen Roboter unverzichtbar. Mit ihren kurzen Abtastzyklen erzeugen diese Sensoren eine große Anzahl von Messpunkten mit Positionsdaten, die zur Erkennung von Hindernissen in der Umgebung verwendet werden können. Der Prozess der Informationsextraktion, der Erkennung und Verfolgung relevanter Objekte und der Filterung von Lärm oder Straßenreflexionen ist zwar komplex, muss aber zuverlässig und genau sein.

Das Webinar stellt den Entwurf und die Verifizierung von Algorithmen zur Objekterkennung und -tracking unter Verwendung von Lidar-Daten vor.

Wir erklären, wie rohe Punktwolken von Lidar-Sensoren in MATLAB vorverarbeitet werden können, um Detektionen für konventionelle Tracker zu erzeugen, die von einer Erkennung pro Objekt pro Sensorabtastung ausgehen. Anschließend definieren wir ein quaderförmiges Modell zur Beschreibung von Kinematik und Abmessung ausgedehnter Objekte, die mit einem gemeinsamen JPDA-Tracker (Joint Probabilistic Data Association) verfolgt werden, und verwenden einen IMM-Filter (Interacing Multiple Model). Schließlich behandeln wir, wie man aus dem Algorithmus C-Code generiert und die Ausführungsergebnisse verifiziert.

Highlights

• Verarbeitung und Auswertung von Lidar-Daten
• Erkennung und Markierung relevanter Objekte
• Tracking mehrerer Objekte
• Analyse der Ergebnisse