论文：Efficient L-Shape Fitting for Vehicle Detection Using Laser Scanners作者：Xiao Zhang, Wenda Xu, Chiyu Dong and John M. Dolan
摘要
车辆周围环境检测是自动驾驶领域的一项重要任务，近年来受到了广泛的关注。在使用激光雷达传感器时，L-shape拟合是基于模型的车辆检测与跟踪的关键步骤，需要深入调研和综合研究。本文将L-shape拟合问题作为一个优化问题来研究。并提出了一种高效的基于搜索的优化方法。我们的方法不依赖于激光雷达的扫描序列信息，因此可以便于来自多个激光雷达的数据融合；该方法高效并且涉及非常少的调参；且该方法很灵活以适应不同的拟合标准下的各种拟合需求。在道路测试中，我们用产品级的激光雷达扫描仪证明了该方法是有效且鲁棒的。
激光扫描仪已被广泛用于感知周围环境，因为传感器具有高精度测量其与周围物体表面的距离的能力。处理范围数据的一种典型方法是将范围数据分割成点簇，从中提取有意义的特征，如线段、块和矩形。它们对应于现实世界中的墙壁、自行车、树林、灌木丛、车辆和行人等物体 。然后将这些特征与静态地图或跟踪目标相关联，并用于通过跟踪方法更新目标状态，例如多假设跟踪 (MHT)或其集成了 Rao-Blackwellized 粒子滤波器的高级版本（ MHT-RBPF)。
本文提出了一种基于搜索的 L 形拟合方法，用于从激光数据中进行车辆检测，计算效率高。通过产品级传感器的道路实验，该方法被证明是有效和高效的。
本文有三个主要贡献。首先，我们的方法不依赖于激光扫描序列信息，因此很容易实现来自多个传感器的数据融合，这使其适用于具有多个生产级传感器的应用。其次，我们的方法计算效率高，涉及的参数很少，不需要动手经验
