伪点云修正增强激光雷达数据
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

伪点云修正增强激光雷达数据

引用
目的 激光雷达在自动驾驶中具有重要意义,但其价格昂贵,且产生的激光线束数量仍然较少,造成采集的点云密度较稀疏.为了更好地感知周围环境,本文提出一种激光雷达数据增强算法,由双目图像生成伪点云并对伪点云进行坐标修正,进而实现激光雷达点云的稠密化处理,提高3D目标检测精度.此算法不针对特定的3D目标检测网络结构,是一种通用的点云稠密化方法.方法 首先利用双目RGB图像生成深度图像,根据先验的相机参数和深度信息计算出每个像素点在雷达坐标系下的粗略3维坐标,即伪点云.为了更好地分割地面,本文提出了循环RANSAC(random sample consensus)算法,引入了一个分离平面型非地面点云的暂存器,改进复杂场景下的地面分割效果.然后将原始点云进行地面分割后插入KDTree(k-dimensional tree),以伪点云中的每个点为中心在 KDTree中搜索若干近邻点,基于这些近邻点进行曲面重建.根据曲面重建结果,设计一种计算几何方法导出伪点云修正后的精确坐标.最后,将修正后的伪点云与原始激光雷达点云融合得到稠密化点云.结果 实验结果表明,稠密化的点云在视觉上具有较好的质量,物体具有更加完整的形状和轮廓,并且在KITTI(Karlsruhe Institu-te of Technology and Toyota Technological Institute)数据集上提升了 3D目标检测精度.在使用该数据增强方法后,KITTI 数据集下 AVOD(aggregate view object detection)检测方法的 AP3D-Easy(average precision of 3D object detection on easy setting)提升了 8.25%,AVOD-FPN(aggregate view object detection with feature pyramid network)检测方法的APBEV-Hard(average precision of bird's eye view on hard setting)提升了 7.14%.结论 本文提出的激光雷达数据增强算法,实现了点云的稠密化处理,并使3D目标检测结果更加精确.

激光雷达、数据增强、点云稠密化、伪点云、地面分割、3D目标检测

26

TP391(计算技术、计算机技术)

国家自然科学基金;国家级大学生创新创业训练计划项目

2021-06-21(万方平台首次上网日期,不代表论文的发表时间)

共12页

1157-1168

相关文献
评论
暂无封面信息
查看本期封面目录

中国图象图形学报

1006-8961

11-3758/TB

26

2021,26(5)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn