LiDAR-based Real-Time Object Detection and Tracking in Dynamic Environments

在动态环境下，实时检测和跟踪移动物体对于自主机器人的安全和有效导航至关重要。传统的动态物体检测方法依赖于高精度的里程计和地图来检测和跟踪移动物体。然而，在周围环境不断变化的动态环境中，这些方法并不适用于长期运行。为了解决这个问题，我们提出了一种新的系统，仅使用LiDAR数据实时检测和跟踪动态物体。通过强调从LiDAR数据中提取低频分量作为前景物体的特征点，我们的方法显著减少了物体聚类和运动分析所需的时间。此外，我们开发了一种跟踪方法，采用基于强度的自我运动估计和滑动窗口技术来评估物体运动。这使得能够精确识别移动物体，并增强系统对里程计漂移的鲁棒性。我们的实验表明，该系统可以实时检测和跟踪动态物体，平均检测准确率为88.7％，召回率为89.1％。此外，我们的系统展示了对仅使用前端LiDAR里程计通常存在的长时间漂移的鲁棒性。所有源代码、标记数据集和注释工具都可在以下网址找到：https://github.com/MISTLab/lidar_dynamic_objects_detection.git。

实现自主机器人在动态环境中实时检测和跟踪移动物体的能力

利用LiDAR数据提取低频组件作为前景物体的特征点，结合基于强度的自我运动估计和滑动窗口技术进行物体运动分析和跟踪

实验结果表明该系统能够以平均检测准确率88.7％和召回率89.1％实时检测和跟踪动态物体，并且对于前端LiDAR里程计的漂移具有鲁棒性，开源代码、标注数据集和注释工具均可获得

最近的相关研究包括：《Real-time 3D Object Detection from Point Clouds on Autonomous Vehicles》、《Deep Reinforcement Learning for LiDAR based Robotic Perception and Control》等