基于地面先验的3D目标检测算法

摘要：

为了提高自动驾驶汽车环境感知的性能,增强单目相机对障碍物三维和边界信息的感知能力,提出了一种基于地面先验的3D目标检测算法.基于优化的中心网络(CenterNet)模型,以DLA(deep layer aggregation)为主干网络,增加目标3D边沿框中心点冗余信息预测.根据自动驾驶场景的地面先验信息,结合针孔相机模型,获取目标3 D中心深度信息,以优化深度网络学习效果.使用KITTI 3 D数据集评测算法性能,结果表明:在保证2D目标检测准确性的基础上,该算法运行帧率约20 fps,满足自动驾驶感知实时性要求;同时相比于CenterNet模型,在平均方位角得分(average orientation score)和鸟视图平均准确率(bird eye view AP)上分别有4.4和4.4％的性能提升.因而,该算法可以提高自动驾驶汽车对障碍物三维和边界信息的感知能力.

关键词：地面先验;3D目标检测;自动驾驶;中心网络;冗余信息预测

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：山西省哲学社会科学规划课题1810900032MZ

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：275-279