基于极端稀疏激光点云和RGB图像的3D目标检测
复杂交通场景下的3D目标检测是重要且具有挑战性的任务.针对主流检测算法使用的高线数激光雷达昂贵和基于毫米波雷达和相机的检测算法效果不佳的问题,提出了一种利用低线数激光雷达和相机实现3D目标检测的算法,可以大幅降低自动驾驶的硬件成本.首先,将64线激光雷达点云降采样至原始点云数量的10%,生成极端稀疏点云,并将其和RGB图片一同输入到深度补全网络中得到深度图;然后,在新提出的计算点云强度的算法基础上,由深度图生成点云俯视图;最后,将点云俯视图输入检测网络,得到目标立体边界框的几何信息、航向角和类别等信息.在KITTI数据集上对算法进行实验验证,实验结果表明所提算法在检测精度上可以超过部分基于高线数激光雷达的检测算法.
遥感、激光点云、卷积神经网络、关键点检测、深度学习
59
TP751(遥感技术)
国家自然科学基金;四川省科技计划
2022-11-04(万方平台首次上网日期,不代表论文的发表时间)
共12页
437-448