{
  "paper_id": "ee78c3942340a7e71b5cc20cd10c5c6f",
  "paper_title": "Lidar and Vision Based People Detection and Tracking",
  "paper_authors": [
    "L. Tamas",
    "M. Popa",
    "Gh. Lazea",
    "I. Szoke",
    "A. Majdik"
  ],
  "publication_date": "",
  "publication_venue": "Journal of Control Engineering and Applied Informatics",
  "abstract": "This paper presents a multi-sensor architecture to detect moving persons based on the information acquired from a lidar and vision systems. The detection of the objects are performed relative to the estimated robot position. For the lidar the Gaussian Mixture Model (GMM) classifier and for the vision the AdaBoost classifier is used from which the outputs are combined with the Bayesian rule. The estimated person positions are tracked via the Extended Kalman filter. The main aim of the paper was to reduce the false positives in the detection process with the use of a sequentially combined classifiers.",
  "keywords": [
    "Detection and tracking systems",
    "visual pattern recognition",
    "laser range finders"
  ],
  "paper_institutions": [
    "Robotics Research Group, Technical University of Cluj-Napoca"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:47:30.690999Z",
  "template_tag": "simple",
  "summary": "### 摘要\n本文提出了一种基于激光雷达和视觉的多传感器融合架构，用于在室内环境中检测和跟踪移动人员，以避免碰撞。系统结合激光雷达的GMM分类器和视觉的AdaBoost分类器，通过贝叶斯规则进行决策融合，并利用扩展卡尔曼滤波器（EKF）进行人员位置跟踪。为了降低计算复杂度，激光雷达检测到的ROI被传递给摄像机以缩小搜索范围。实验采用P3移动机器人、LMS200激光测距仪和摄像头，分类器训练使用6000张图像（3000张正样本），在无杂波环境下进行测试。结果显示，组合分类器平均检测率达68%，误报率为0.5%，优于单独使用激光（52%，2%）或相机（55%，0.8%）。本文还比较了PVH和PVA运动模型，PVH运行更快但精度较低。未来工作包括多目标跟踪、遮挡处理及映射扩展。核心机制是使用贝叶斯决策规则组合两个分类器的输出，以最小化误报率。\n\n### 关键要点\n- 系统采用激光雷达和视觉的双传感器架构，分别使用GMM和AdaBoost分类器，并通过贝叶斯规则组合输出。\n- 激光雷达分类器基于腿部形状的GMM模型，将扫描分割为片段，提取质心、归一化欧氏距离和标准差等特征。\n- 视觉分类器使用梯度分割和AdaBoost算法，基于Haar-like特征，并改进权重分配机制以降低误报率。\n- 两个分类器依次结合：激光检测的ROI传递给相机，距离小于3米仅用激光，3-6米组合，大于6米仅用相机。\n- 实验采用P3移动机器人、LMS200激光测距仪和摄像头，训练集包含6000张图像（3000张正样本），特征分辨率为30x30像素。\n- 比较了PVH和PVA运动模型，PVH运行时间6.2秒，PVA 7.9秒，但PVA在x和y方向的标准差更小。\n- 在室内三个数据集上测试，组合分类器平均检测率68%，误报率0.5%，优于单一分类器。\n- 激光雷达在近距离（<5米）腿部检测效果好，视觉在侧视和良好光照下表现更好，但光照极端时视觉性能下降。\n- 真实场景中存在与人体腿相似的物体，可能引起误报，但通过ROI限制和组合能降低误报。\n- 未来工作包括多目标跟踪、遮挡处理、基于地标的映射，以及引入立体视觉。"
}