｛“状态”：“正常”，“消息类型”：“工作”，“消息版本”：“1.0.0”，“消息”：｛“索引”：｛“日期部分”：[[2024,6,7]]，“日期时间”：“2024-06-07T06:34:44Z”，“时间戳”：1717742084268｝，“引用计数”：27，“发布者”：“MDPI AG”，“发布”：“4”，“许可证”：[｛“开始”：｛“日期部分”：[[2016,4,9]]，“日期时间”：“2016-04-09T000:00:00Z”，“时间戳”：1460160000000}中，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“内容域”：{“域”：[]，“crossmark-restriction”：false}，“short-container-title”：[“传感器”]，“抽象”：“在过去的十年中，车辆检测的发展得到了显著改进。通过使用摄像头，可以在复杂环境中的感兴趣区域（ROI）中检测到车辆。然而，视觉技术经常会出现误报，视野有限。本文提出了一种基于激光雷达的车辆检测方法，该方法使用概率假设密度（PHD）滤波器。该方法由两个阶段组成：检测潜在对象的假设生成阶段和分类对象的假设验证阶段。与最先进的方法相比，在复杂的场景中评估了所提方法的性能。<\/jats:p>“，”DOI“：”10.3390\/s16040510“，”type“：”journal-article“，”created“：{”date-parts“：[[2016,4,11]]，”date-time“：”2016-04-11T16:07:36Z“，”timestamp“：1460390856000}，“page”：“510”，“source”：”Crossref“，“is-referenced-by-count”：10，“title”：[“基于概率假设密度滤波器的车辆检测“]，”前缀“：”10.3390“，”卷“：”16“，”作者“：[{”给定“：”飞狐“，”家族“：”张“，”序列“：”第一“，”从属“：[}”名称“：”机器人与嵌入式系统，德国理工大学\u00e4t M\u00fcnchen，80333 M\u00 fcnchen“}]}，{”给出“：”Alois“，”系列“：”Knoll“，”sequence“：”additional“，”affiliation“：[{”name“：”Robotics and Embedded Systems，Technische University\u00e4t M\u00fcnchen，80333 M\u100fcnchen（德国）“}]}]，”member“：”1968“，”published-on-line“：{”date-parts“：[[2016,4,9]]}，”reference“：[}”key“：”ref_1“，”unstructured“：”2013年全球道路安全状况报告。在线获取：http://www.who.int\/violence_injury_provention\/road_safety_status\/2013\/en\/。“}，{”key“：”ref_2“，”doi-asserted-by“：”crossref“，”unstructured“：”Leon，L.和Hirata，R.（2012年1月22日\u201325）。使用可变形部件模型的混合进行车辆检测：静态和动态相机。第25届SIBGRAPI图形、模式和图像会议论文集，巴西乌罗普雷托。“，”doi“：”10.1109\/SIBGRAPI.2012.40“}”，{“key“：”ref_3“，”unstructured“：”Khammari，A.、Nashashibi，F.、Abramson，Y.和Laurgeau，C.（2005年1月13日\u201315）。结合梯度分析和AdaBoost分类的车辆检测。2005年IEEE智能交通系统会议记录，奥地利维也纳。“}，{”key“：”ref_4“，”doi-asserted-by“：”crossref“，”first page“：“125”，”doi“：”10.1109\/TITS.2005.848363“，”article-title“：”On-road vehicle detection using evolutionary Gabor filter optimization“，”volume“：IEEE传输。智力。运输。系统。“}，{”key“：”ref_5“，”doi-asserted-by“：”crossref“，”first-page“：”266“，”doi“：”10.1109\/34.841758“，”article-title“：”用于检测和跟踪移动对象的测地活动轮廓和水平集“，”volume“：“22”，”author“：”Paragios“，”year“：”2000“，”journal-title”：“IEEE Trans.Pattern Anal.Mach.Intell.”}，”{“key”：“ref_6”，”doi-asserted-by“”：“crossref“，”first page“：”2019“，”DOI“：”10.1109\/TIP.2006.877062“，”article-title“：”单目碰撞前车辆检测：特征和分类器“，”volume“：“15”，”author“：”Sun“，”year“：”2006“，”journal-title”：“IEEE Trans。图像处理。“}，{”key“：”ref_7“，”doi-asserted-by“：”crossref“，”unstructured“：”Huang，L.，and Barth，M.（2009，January 3\u20135）。用于车辆检测的紧密耦合激光雷达和计算机视觉集成。2009 IEEE智能车辆研讨会论文集，中国西安。“，”doi“：”10.1109\/IVS.2009.5164346“}”，{“key”：“ref_8”，“doi-assert-by”：“”crossref”，“非结构化”：“Behley，J.、Kersting，K.、Schulz，D.、Steinhage，V.和Cremers，A.（2010年1月18日\u201322）。学习散列逻辑回归快速3D扫描点分类。2010年IEEE\/RSJ智能机器人与系统国际会议论文集，台湾台北。“，”DOI“：”10.1109\/IROS.2010.5650093“｝，｛”key“：”ref_9“，”DOI断言“：”crossref“，”非结构化“：”Li，Y.，Ruichek，Y.，and Cappelle，C.（2012年1月13日\u201315）。立体系统和带有传感器噪声模型的激光雷达之间的外部校准。2012年IEEE智能系统多传感器融合与集成会议记录，德国汉堡。“，”DOI“：”10.1109\/MFI.2012.6343010“｝，｛”key“：”ref_10“，”DOI断言“：”crossref“，”非结构化“：”Xiong，X.，Munoz，D.，Bagnell，J.，and Hebert，M.（2011年1月9日\u201313）。通过对点和区域的顺序预测进行三维场景分析。2011年IEEE国际机器人与自动化会议（ICRA）论文集中国上海。“，”DOI“：”10.1109\/ICRA.2011.5980125“}，{”key“：”ref_11“，”DOI-asserted-by“：”crossref“，”first page“：“2258”，“DOI”：“10.1109\/TIM.2013.2258241”，“article-title”：“立体系统和激光雷达之间的最佳外部校准”，“volume”：“62”，“author”：“Li”，“year”：“2013”，“journal-title“：”IEEE Trans.Instrum.Meas.“}”，{“key“：”ref_12“，”DOI-asserted-by“：”crossref”，“非结构化”：“Dominguez，R.，Onieva，E.，Alonso，J.，Villagra，J.和Gonzalez，C.（2011年1月22日\u201324）。基于激光雷达的自动车辆感知解决方案。第十一届智能系统设计与应用国际会议（ISDA）会议记录，西班牙科尔多瓦。“，”DOI“：”10.1109\/ISDA.2011.6121753“}，{”key“：”ref_13“，”DOI-asserted-by“：”crossref“，”unstructured“：”Zhang，F.，Clarke，D.，and Knoll，A.（2014年1月28日\u201329）。城市环境中基于LiDAR的车辆检测。2014年智能系统多传感器融合和信息集成国际会议论文集中国北京。“，”DOI“：”10.1109\/MFI.2014.6997723“}，{”key“：”ref_14“，”DOI-asserted-by“：”crossref“，”unstructured“：”Ioannou，Y.，Taati，B.，Harrap，R.，and Greenspan，M.（2012，January 13\u201315）。法线差异作为无组织点云中的多尺度操作符。2012年第二届3D成像、建模、处理、可视化和传输（3DIMPVT）国际会议论文集，瑞士苏黎世。“，”DOI“：”10.1109\/3DIMPVT.2012.12“}，{”key“：”ref_15“，”unstructured“：”Baum，M.，and Hanebeck，U.（2011年1月5日\u20138）。星-凸RHM对扩展对象和群目标的形状跟踪。第十四届信息融合国际会议论文集，美国伊利诺伊州芝加哥“}”，{“key”：“ref_16”，“DOI-asserted-by”：“crossref”，“首页“：”1152“，”DOI“：”10.1109\/TAES.2003.1261119“，”article-title“：”通过一阶多目标矩进行多目标贝叶斯滤波“，”volume“：”39“，”author“：”Mahler“，”year“：”2003“，”journal-title”：“IEEE Trans。Aerosp.航空公司。电子。系统。“}，{”key“：”ref_17“，”doi-asserted-by“：”crossref“，”unstructured“：”Mahler，R.（2010年1月26日\u201329）。近似多传感器CPHD和PHD过滤器。英国爱丁堡第十三届信息融合会议论文集（Fusion）。“，”doi“：”10.1109\/ICIF.2010.571198410.1109\/JSTSP.2013.2252325”，“文章标题”：“鲁棒多伯努利滤波”，“卷”：“7”，“作者”：“Vo”，“年”：“2013”，“期刊标题”：“IEEE J.Sel。顶部。信号处理。“}，{”key“：”ref_19“，”doi-asserted-by“：”crossref“，”first page“：“1152”，”doi“：”10.1109\/TAES.2003.1261119“，“article-title”：“通过一阶多目标矩进行多目标贝叶斯滤波”，“volume”：“39”，“author”：“Mahler”，“year”：“2003”，“journal-title“：”IEEE Trans.Aerosp.Electron.Syst.“}ref“，”首页“：”4091“，”DOI“：”10.1109\/TSP.2006.881190“，”article-title“：”高斯混合概率假设密度滤波器“，”volume“：”54“，”author“：”Vo“，“year”：“2006”，“journal-title”：“IEEE Trans。信号处理。“}，{”key“：”ref_21“，”unstructured“：”Mahler，R.（2009年1月6日\u20139）。非标准目标的PHD滤波器，I：扩展目标。第十二届信息融合国际会议论文集，Fusion\u201909，西雅图，美国华盛顿州基于多个扩展目标的随机超曲面模型的高斯混合PHD滤波器。第十六届信息融合国际会议记录，土耳其伊斯坦布尔。“}，{”key“：”ref_23“，”doi-asserted-by“：”crossref“，”first page“：“273”，”doi“：”10.1007 \/BF00994018“，”article-title“：”Support-Vector Networks“，”volume“:”20“，”author“：”Cortes“，“year”：“1995”，”journal-title：“Mach.Learn.”}，“key”：“ref_24”，“doi-assert-by”：“crossref.”，“unstructured”：“Geiger，A.，Lenz、P.和Urtasun，R.（2012年1月16日\u201321）.我们准备好进行自动驾驶了吗？KITTI Vision基准套件。2012年IEEE计算机视觉和模式识别会议论文集，美国罗得岛州普罗维登斯”，“DOI”：“10.1109\/CVPR.2012.6248074”}，{“key”：“ref_25”，“unstructured”：“Wang，D.Z.，and Posner，I.（2015年1月13日\u201317）。在线点云对象检测投票。《机器人学学报：科学与系统》，意大利罗马。“}，{”key“：”ref_26“，”unstructured“：”Plotkin，L.（2015）。PyDriver:Entwicklung Eines Frameworks f\u00fcr R\u00e4umliche Detektion und Klassifikation von Objekten in Fahrzeugugebung.【卡尔斯鲁厄理工学院学士学位论文】。“}”，{“key”：“ref_27”，“doi-asserted-by”：“crossref”，“unstructure”：”Behley，J.、Steinhage，V.和Cremers，A.（2013年1月3日，2013年7月）。使用混合单词的基于激光的段分类。2013年IEEE\/RSJ智能机器人和系统国际会议（IROS）会议记录，日本东京。“，”DOI“：”10.1109\/IROS.2013.6696957“}]，”container-title“：[”Sensors“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/www.mdpi.com\/1424-8220\/16\/4\/510\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]“，”deposed“：{”date-parts“：[[2024,6,4]]，“日期时间”：“2024-06-04T19:21:49Z”，“timestamp“：1717528909000}，”score“：1，”resource“：{“primary”：{”URL“：”https:\/\/www.mdpi.com//1424-8220\/16\/4\/510“}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[[2016,4,9]]}，‘references-count’：27，‘journal-issue’：{‘issue’：“4”，‘published-on-line’：{‘date-part’：[2016,4]]}}，“alternative-id”：[“s16040510”]，“URL”：“http:\/\/dx.doi.org\/10.3390\/s16040510“，”关系“：{}，”ISSN“：[”1424-8220“]，”ISSN-type“：[{”值“：”1424-82 20“，”类型“：”电子“}]，”主题“：[]，”发布“：{”日期部分“：[[2016,4,9]]}}}