基于语义分割的深度学习激光点云三维目标检测

作者：赵亮; 胡杰^*; 刘汉; 安永鹏; 熊宗权; 王宇

来源：中国激光, 2021, 48(17): 177-189.

• 遥感
• 自动驾驶
• 激光雷达
• 三维目标检测
• 深度学习

最远点采样(FPS)算法可用于三维(3D)目标检测算法中关键点的采集,针对FPS采集的关键点中前景比例较低的问题,提出了一种基于语义分割特征的区域卷积神经网络(Seg-RCNN)3D目标检测算法。用一种基于语义分割特征的最远点采样(SegFPS)算法预测点的语义分割类别,以提高采集关键点中前景点的比例,从而提升Seg-RCNN算法的检测精度。该算法以激光点云作为输入,在第一阶段,利用3D稀疏卷积网络和2D卷积生成候选框和前景点分割网络(SegNet),得到每个点的分割类别;在第二阶段,基于SegNet输出的分割类别用SegFPS算法从原始点云中采集一小部分关键点,从而在降低算法时间复杂度和空间复杂度的同时保留一定比例的前景点和背景点。在KITTI测试集上的测试结果表明,相比现有的主流算法,Seg-RCNN算法的检测精度高、运行时间短,对中等级、容易等级Car类的3D检测精度分别为79.73%、89.16%,运算时间仅需80 ms。此外,基于机器人操作系统实现了算法的在线检测,验证了算法的工程实用性。

• 单位
  现代汽车零部件技术湖北省重点实验室; 武汉理工大学