伪激光点云增强的道路场景三维目标检测

作者：晋帅; 李煊鹏^*; 杨凤; 张为公

来源：中国图象图形学报, 2023, 28(11): 3520-3535.

• 伪激光点云
• 深度估计
• 语义分割
• 融合算法
• 三维目标检测

目的 针对激光雷达点云稀疏性导致小目标检测精度下降的问题，提出一种伪激光点云增强技术，利用图像与点云融合，对稀疏的小目标几何信息进行补充，提升道路场景下三维目标检测性能。方法 首先，使用深度估计网络获取双目图像的深度图，利用激光点云对深度图进行深度校正，减少深度估计误差；其次，采用语义分割的方法获取图像的前景区域，仅将前景区域对应的深度图映射到三维空间中生成伪激光点云，提升伪激光点云中前景点的数量占比；最后，根据不同的观测距离对伪激光点云进行不同线数的下采样，并与原始激光点云进行融合作为最终的输入点云数据。结果 在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago)数据集上的实验结果表明，该方法能够提升多个最新网络框架的小目标检测精度，以典型网络SECOND(sparsely embedded convolutional detection)、MVX-Net(multimodal voxelnet for 3D object detection)、Voxel-RCNN为例，在困难等级下，三维目标检测精度分别获得8.65%、7.32%和6.29%的大幅提升。结论 该方法适用于所有以点云为输入的目标检测网络，并显著提升了多个目标检测网络在道路场景下的小目标检测性能。该方法具备有效性与通用性。

• 单位
  东南大学