科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着城市轨道交通规模的日益扩大，异物侵限已成为城市轨道交通安全的重大隐患，基于人工智能方法开展城市轨道交通异物检测已成为研究热点。激光雷达相对于传统视觉相机具有光照不敏感、测距精度高、可远距离探测等优点，更适用于城市轨道交通场景下的安全监控和检测。面对海量的稀疏点云数据，现有基于激光雷达的目标检测方法会因三维结构信息损失产生漏检、误检问题。针对以上不足，本文提出了一种基于结构密度感知的单阶段目标检测方法SDA-SSD（Structure Density Aware Single-Stage Object Detector）。设计体素特征聚合模块提取三维结构信息，通过三重特征融合模块将点云特征和三维结构信息融合，改善因提取高层语义而导致空间特征质量下降的问题，提升目标的检测能力。设计体素密度值用于度量样本的稀疏程度，基于体素密度值校正分类置信度，改善目标定位和分类精度不一致的问题。实验结果表明：本文算法在KITTI数据集汽车类别的平均精度均值达到88.2%，检测速度为21 FPS，相较于基准网络SECOND能够提高9.2%检测精度和13%的检测速度，具有较高的识别率和实时性。最后在城市轨道交通实际场景对所提出的算法进行了验证，本文算法在复杂场景下具有良好的检测效果，能准确识别到列车前方目标障碍物，具备较高的有效性和可行性，为保障城市轨道交通安全营运和人民生命财产提供了参考。
- 单位
