一、课题研究目的及意义

激光雷达技术是一门新兴技术，在各行各业有着广泛的应用，比如在飞行器制导、直升机防撞、目标三维重建、地形地貌测量等等。随着这一技术在相关行业的深入开展，它越来越多的被世界各国的人们所熟知，并被大力推广、研发和应用，成为当今较为热门的现代量测技术。自动目标识别（ATR）技术是信息处理技术发展的重点，主要包括目标检测技术和目标识别技术，其中目标检测是目标识别的基础，只有准确的检测出目标才能对其进行识别。通过安装的激光雷达传感器等获取到前方的动态障碍物信息进行融合处理，并对前方运动物体轨迹进行推算。激光雷达是一种主动式工作的传感器，它受外界干扰小，可以得到高分辨率的距离图像和强度图像，能够快速准确的获取目标表面坐标信息，从而有能力成功探测和跟踪目标，并准确的识别目标。基于激光雷达的自动目标识别技术已成为当前精确制导技术的主要发展方向之一，对它的研究具有巨大的军事应用价值和广阔的应用场景。

二、国内外发展现状

近年来，激光雷达因其测距精度高实时性能好等优点，已经在运动目标检测与跟踪领域得以广泛应用。目前，人们对结构化道路下的障碍物检测的研究，提出许多基于不同传感器的障碍物检测方法。其中，国外相关机构提出了基于运动的检测方法，多假设跟踪的数据关联方法。而基于运动的检测方法不能检测到临时静态障碍，而且跟踪的计算复杂度是指数级的。国外研究员已经建立了一个基于激光测距仪的DATMO系统数据。核心算法已被用于许多不同的用途:移动扫描仪或固定安装;二维(2d)测距仪或切片的三维(3d)传感器。面对算法步骤涉及到输入数据清理，数据分段，匹配之前的扫描，提出了相应的措施：消除虚假点等地面的回报，计算稳定特性,推理的几何遮挡,卡尔曼滤波,来自多个传感器的数据融合,分类对象。国内的专家在时变势场法的研究基础之上，提出了多分辨率的势场法，该方法对移动机器人导航中的路径规划及障碍避碰具有其优势。其中具有代表性的研究是李新德等提出的栅格图算法，该算法能够呈现运动物体的形状特征，将其作为物体的运动模型，但该算法对快速移动的障碍物检测无能为力．对多个障碍物的跟踪进行研究，提出了基于采用的概率数据关联滤波方法．虽然该方法对非线性系统任意分别的观测模型有较好的处理方式，但在序列重要性采用中存在退化问题．杨文杰等提出的光流的障碍物估计算法，以帮助移动机器人实时的躲避障碍物；但该算法对于有纹理的目标无法进行检测．杨明等在时变势场法的研究基础上提出了多分辨率势场法，但对如何利用激光雷达分辨动静态障碍来进行有效的数据关联性没有涉及．提出模糊Ｃ均值聚类法，该方法可以准确进行障碍物的聚类；但在动态未知环境中，因为障碍物的个数无法预知，所以不能用于特征变化明显的环境．用聚类方法对障碍物进行聚类；但对检测的对象运动状态有局限性。

三、难点及方法综述

1. 基于激光雷达的运动目标检测难点

激光雷达可以测量障碍物的距离和角度。但如果是运动的物体，如何有效地测量运动目标，是研究时的难点，主要有

A. 激光雷达测距数据包含的噪声干扰这些干扰的存在,可能导致不精确障碍测量；

B. 测定运动目标即障碍物的距离与速度；