科研之友
微信
新浪微博
Facebook
分享链接
摘要
自动驾驶汽车对周围环境的精准感知是保障行驶安全的重要手段。融合激光雷达点云和图像的检测技术可以有效改善点云数据的稀疏性缺陷以及图像数据对恶劣环境条件敏感的缺陷，但大多数融合检测算法对行人等较小物体的检测精度不高。为加强对小目标的感知，本文在F-PointNet网络的基础上，结合密集连接方法和高斯距离特征，提出了FDG-PointNet三维目标检测模型，融合高斯距离特征作为附加注意力特征，有效改善了F-PointNet网络实例分割准确率不高的问题，增强了对点云视锥体中的噪声的过滤；基于密集连接可以加强特征提取的特点，改进主干特征提取PointNet++网络，加强点云特征重用，缓解特征提取过程中对小目标的特征提取程度过低与梯度消失问题，提高三维目标边界框回归的准确性。研究结果表明：本文所提算法在简单、中等、困难三个难度等级下对汽车、行人、骑行人三种类别的检测整体优于基准方法F-PointNet，在中等难度下对汽车、行人、骑行人的检测分别取得71.12%、61.23%、55.71%的平均检测精度，其中对行人检测提升最明显，在简单和中等难度下提升幅度分别达到6%和3%。综上所述，本文提出的FDG-PointNet算法有效解决了F-PointNet中小物体检测的低准确性问题，具有较强的适用性。
-
单位公安部交通管理科学研究所; 长安大学
