摘要
多模态融合感知是自动驾驶的研究热点之一,然而在复杂交通环境下由于天气、光照等外部因素干扰,目标识别可能出现错误,融合时会不可避免地出现分类冲突问题。为此,本文提出一种基于D-S证据理论的多模态结果级融合框架,将深度神经网络的置信度得分输出并作为D-S证据理论的概率密度函数,通过证据组合修正冲突的分类结果,该框架可以解决任意模态之间融合的分类冲突问题。基于KITTI数据集对该框架进行实验验证,实验测试的结果表明,框架输出的融合结果较单一感知网络mAP值均能提高8%左右,其中Yolov3与Pointpillar的融合结果相较于Pointpillar单一网络感知结果 mAP值提高32%,且在复杂交通环境下能够有效解决多模态融合后的分类冲突问题。
- 单位