随着现代工业和人工智能技术的不断发展,人们对于智能化产品的依赖程度也在日益加深。现代化技术的革新让计算机视觉受到了广泛关注,在计算机视觉领域,动态目标的识别和跟踪技术已成为众多科研者们研究的一大热点问题。目标跟踪技术不仅在智能监控领域有着重要地位,而且在辅助驾驶以及自动驾驶方面也有着非常实用的价值。到目前为止,科研者们已经研究出了许多关于目标跟踪方面的成果,目标跟踪技术取得了突破性的进展。目标跟踪技术与图像处理技术之间的关系密不可分,相比较三维点云图像来说,目标跟踪技术在视频图像领域的应用相对比较成熟,但是,由于视频图像缺少目标对象的深度信息,因此可能经常出现目标对象间的遮挡现象,继而给目标检测和跟踪造成一定的困难。本文针对传统视频图像在目标跟踪领域存在的弊端,提出了一种基于激光雷达采集场景信息的3D目标跟踪方法,首先在跟踪算法的选择类型上,选择能处理非线性非高斯系统的粒子滤波算法,并且粒子滤波算法的基础上,提出一种改进的粒子滤波算法——辅助正则粒子滤波(ARPF)算法,该算法先是引入一个重要性密度函数进行二次加权,然后在重采样的选择上加以改进,从后验概率密度的传统离散采样变成从近似的连续分布中采样。用MATLAB对本文提出的ARPF算法进行仿真测试,通过测试证明该算法的有效性。为实现基于激光点云的实时目标跟踪,引入了专门用于处理点云的PCL(Point Cloud Library),用于激光点云的预处理,随后在PCL的基础上提出了用于点云目标跟踪的流程框架,为真实场景下的点云目标跟踪提供理论依据。在实时目标跟踪实验中,以激光雷达VLP-16为采集设备,在ROS(Robot Operating System)框架下搭配PCL对点云数据集中的动态目标进行跟踪,最后通过计算目标对象的速度和加速度,提取出目标对象的运动信息。实验结果表明,本文提出的改进粒子滤波算法不仅能满足跟踪的实时性要求,而且在目标对象间发生干扰以及运动速度发生变化等情况下都具有较好的鲁棒性。