1．1基于多傳感器融合的運(yùn)動(dòng)物體檢測(cè)和跟蹤

運(yùn)動(dòng)物體檢測(cè)和跟蹤系統(tǒng)負(fù)責(zé)檢測(cè)和跟蹤自動(dòng)駕駛汽車車身周圍環(huán)境中障礙物的運(yùn)動(dòng)狀態(tài)，為智能車輛做出自主決策和規(guī)劃提供一系列參考信息。BOSS采用多傳感器融合的方法來提高環(huán)境感知能力，整個(gè)系統(tǒng)分為兩層：傳感器層和數(shù)據(jù)融合層。傳感器層從傳感器數(shù)據(jù)中提取特征，生成用于根據(jù)點(diǎn)模型或盒模型描述移動(dòng)障礙物假設(shè)。傳感器層還嘗試將特征與來自融合層的當(dāng)前預(yù)測(cè)假設(shè)相關(guān)聯(lián)。如果無法關(guān)聯(lián)，將生成新的移動(dòng)障礙物建議信息。如果可以關(guān)聯(lián)，封裝成更新假設(shè)狀態(tài)估計(jì)所需的所有觀測(cè)信息。數(shù)據(jù)融合層根據(jù)傳感器層提供的觀測(cè)信息和建議信息，為每個(gè)假設(shè)選擇最佳跟蹤模型，并使用卡爾曼濾波器對(duì)運(yùn)動(dòng)物體狀態(tài)進(jìn)行最優(yōu)估計(jì)。

1．2靜態(tài)障礙地圖構(gòu)建與表示

靜態(tài)障礙地圖系統(tǒng)將車輛上無數(shù)掃描激光器的數(shù)據(jù)結(jié)合在一起，生成周邊環(huán)境的理解。對(duì)于允許自主車輛在公共道路上安全行駛而不與障礙物（如路標(biāo)、路緣）碰撞至關(guān)重要。如路沿檢測(cè)算法，主要步驟分為：預(yù)處理、小波特征提取和后處理。預(yù)處理階段提供了兩個(gè)重要的特征：減少由于遮擋和稀疏數(shù)據(jù)造成的誤報(bào)，以及格式化數(shù)據(jù)以進(jìn)行特征提取�；�于小波的特征提取是對(duì)預(yù)處理后的點(diǎn)集進(jìn)行離散小波變換。后處理應(yīng)用一些額外的啟發(fā)式來消除誤報(bào)和檢測(cè)一些額外的非道路點(diǎn)，對(duì)預(yù)處理階段進(jìn)行補(bǔ)充。整個(gè)路線網(wǎng)絡(luò)定義文件（RNDF），采用拓?fù)鋱D表示（與度量圖表示法對(duì)應(yīng)）。道路網(wǎng)絡(luò)包括一個(gè)或多個(gè)路段，每個(gè)路段包括一個(gè)或多個(gè)車道。路段的特征是車道數(shù)、街道名稱和速度限制。車道的特征是車道的寬度、車道標(biāo)線和一組航路點(diǎn)。車道之間的連接以出口和入口航路點(diǎn)為特征。圖中的每個(gè)節(jié)點(diǎn)表示一個(gè)航路點(diǎn)，方向邊緣表示將該節(jié)點(diǎn)連接到它可以到達(dá)的所有其他航路點(diǎn)的車道�；�于多個(gè)因素的組合，將成本分配給邊緣，這些因素包括穿過與邊緣相關(guān)聯(lián)的車道的預(yù)期時(shí)間、車道長(zhǎng)度和環(huán)境的復(fù)雜性。

1．3車道輔助定位

大多數(shù)城市駕駛可以被認(rèn)為是對(duì)固定路網(wǎng)約束內(nèi)的局部干擾的響應(yīng)，因此在組合慣導(dǎo)定位失效時(shí)，相對(duì)于車道邊界正確定位不失為一種方法。使用SICK LMS激光來檢測(cè)道路上繪制的車道標(biāo)記。車道標(biāo)記通常比周圍的道路材料亮，并通過使用斜率函數(shù)對(duì)線掃描中的強(qiáng)度進(jìn)行卷積來檢測(cè)。響應(yīng)中的波峰和波谷代表潛在車道標(biāo)記邊界的邊緣。為了減少誤報(bào)，僅將適當(dāng)間隔的峰和谷對(duì)視為車道標(biāo)記。結(jié)果是一組潛在的車道標(biāo)記位置。將車道標(biāo)記位置與道路模型車道位置進(jìn)行匹配，并通過閾值判斷，生成一個(gè)平滑的、基于道路網(wǎng)絡(luò)的位置估計(jì)。