Segmentation and tracking of vehicles via low resolution LiDAR sensors

Automation of driving task has become in the recent years the main objective of automotive sector and legislators. Driver assistance technologies in today's vehicles help to save lives, preventing crashes, and improving the driving experience. These technologies allow the identification and reaction, in case of risks for the vehicle, for its occupants and for any other road user. The aim of this thesis is to develop a standalone system based on low resolution LiDAR sensor capable of identifying, classify and track obstacle in the road scene. The algorithm uses Convolutional Neural Network model for object detection and a custom Extended Kalman Filter for tracking. The results are encouraging and show that our solution can perform the task is designed for in real time, with a comparable accuracy to more complex systems but at a fraction of the cost. Moreover, the tracking results guarantee a good evaluation of the driving scenario, particularly useful for situation assessment and for decision making.

L'automazione della guida è diventata negli ultimi anni l'obiettivo principale del settore automobilistico e dei legislatori. Le tecnologie di assistenza alla guida nei veicoli di oggi aiutano a salvare vite umane, a prevenire incidenti e a migliorare l'esperienza di guida. Queste tecnologie consentono l'identificazione e la reazione, in caso di rischi per il veicolo, per i suoi occupanti e per qualsiasi altro utente della strada. Lo scopo di questa tesi è quello di sviluppare un sistema autonomo basato su sensore LiDAR a bassa risoluzione in grado di identificare, classificare e tracciare gli ostacoli nella scena stradale. L'algoritmo utilizza il modello di rete neurale convolutiva per il rilevamento di oggetti e un filtro Kalman esteso personalizzato per il tracciamento. I risultati sono incoraggianti e dimostrano che la nostra soluzione può svolgere l'attività per cui è stata progettata in tempo reale, con una precisione paragonabile a sistemi più complessi ma a una frazione del costo. Inoltre, i risultati del tracking garantiscono una buona stima dello scenario di guida, particolarmente utile per la valutazione della situazione e per il processo decisionale.