Para superar as diferenças na frequência de captura, resolução e ângulo de visão entre o laser e a câmera na tarefa de medição de velocidade de dispositivos de monitoramento radar-óptico, propõe-se um método de rastreamento contínuo multialvo que integra prioridade de imagem e visão integrada 2D e 3D. Primeiramente, pares de pontos homólogos de características geométricas da cena são selecionados uniformemente, os parâmetros externos são calculados pelo método de transformação linear direta, e é realizada calibração online entre a câmera e o lidar; em seguida, é proposto um método de localização integrada de alvos 2D e 3D guiado por visão no espaço do cone visual, que utiliza pontos de alta resolução no solo para remover preliminarmente pontos de fundo, converte a visão 3D do cone visual em uma visão superior 2D adaptativa para calcular parâmetros de agrupamento de alvos, orienta a recuperação em 3D pelos voxels mais densos em 2D para selecionar pontos semente iniciais e completar a localização por agrupamento para eliminar pontos irrelevantes, resolvendo o problema de confusão na detecção de alvos em nuvens de pontos de resoluções diferentes causado pelo ângulo de visão; finalmente, baseado no filtro de Kalman e considerando o estado de movimento do veículo, o processo de medição de velocidade é modelado como uma equação de observação correspondente, segundo os resultados de localização da nuvem de pontos sincronizados discretos, e a matriz de covariância do ruído de observação é estimada conforme a resolução da nuvem de pontos, realizando uma estimativa ótima contínua dos resultados discretos da medição de velocidade, solucionando os efeitos do ruído de observação e o erro de dessincronização temporal entre os dois dispositivos. Em experimentos com dados de imagens + nuvem de pontos em cenas de tráfego comuns, os resultados mostram que o erro absoluto médio da medição de velocidade pelo método é de 0,2764 m/s, o erro quadrático médio é de 0,3251 m/s e a maior distância de detecção alcança 103,211 m, demonstrando alta precisão e praticidade.

transporte inteligente; medição de velocidade; cone visual de imagem; fusão de dados; filtro de Kalman; detecção de alvos