科研之友
微信
新浪微博
Facebook
分享链接
摘要
在自动驾驶场景中，使用激光雷达相机获取精确度较高、可感知距离的点云数据，因此，有效利用点云数据，实现目标检测是完成自动驾驶任务的关键技术.点云数据本身具有稀疏性、无序性和数据量较大的问题，传统的深度学习目标检测方法难以有效处理提取点云特征和满足准确度要求.针对这一现状，提出一种体素化卷积网络与多层感知机模型融合的三维目标检测方法，利用体素化卷积网络提取点云数据的全局特征，结合多层感知机所提取点云数据的局部特征与距离关系，再利用候选三维区域检测方法，可以改进三维目标分类与位置预测的精度和速度.采用德国卡尔斯鲁厄理工学院提供的KITTI自动驾驶数据集，对所提出的方法与经典的方法进行对比实验.结果表明，本研究所提出的方法比以往的方法在精度上有较大提升.
