激光点云的三维目标检测研究进展

摘要：

三维目标检测是近年来新兴的研究方向,其主要任务是对空间中的目标进行定位与识别.目前采用单目或双目视觉的方法来完成三维目标检测任务,其容易受物体遮挡、视点变化和尺度变化的影响,导致检测精度不佳及鲁棒性差等问题.由于激光点云能描述三维场景的信息,在激光点云数据的基础上使用深度学习的方法完成三维目标检测任务,已成为三维视觉领域中研究的热点.针对激光点云的三维目标检测,梳理了近年来相关的研究工作.首先根据输入网络的数据形式,将基于激光点云的三维目标检测方法分为基于原始点云、基于点云投影、基于点云体素化及基于多模态融合的三维目标检测方法,并对各类最具有代表性的方法进行了详细阐述.然后介绍了当前常用的开源数据集及其评价指标,并在数据集上对各类方法进行了性能对比,从多个方面讨论了各类方法的优势及局限性.最后指出当前激光点云的三维目标检测研究存在的不足和难点,并对其未来的发展趋势进行了总结与展望.

关键词：三维目标检测、激光点云、深度学习

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;广东省自然科学基金项目;广东省自然科学基金项目;广东省普通高校重点研究项目;广东省普通高校重点研究项目;佛山市科技创新项目;广东省教育科学规划课题

在线出版日期：2022-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共23页

页码：2695-2717