相机与激光雷达融合的道路目标检测研究 .pdfVIP

相机与激光雷达融合的道路目标检测研究 .pdf

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

相机与激光雷达融合的道路目标检测研究--第1页

第35卷第1期广西科技大学学报Vol.35No.1

2024年3月JOURNALOFGUANGXIUNIVERSITYOFSCIENCEANDTECHNOLOGYMar.2024

相机与激光雷达融合的道路目标检测研究

*

赵浙栋,张成涛,李习刊,杨航,覃立仁

(广西科技大学机械与汽车工程学院,广西柳州545616)

摘要:目标检测是自动驾驶感知系统的基础。由于单一传感器的感知存在时空盲区问题,本文提出一种基于

相机与激光雷达的后融合目标检测算法。该算法采用改进后的YOLOv5s视觉目标检测算法来检测目标类别,其

平均精度均值提高了2.75%。激光雷达感知采用分段聚类半径的欧几里得聚类算法对预处理后的点云信息进行聚

类,并检测出检测区域内物体的目标距离。通过标定的参数,将点云投影到图像上,以融合感知结果来确定检

测对象的类别和距离。本文在相关工况环境下对算法进行了验证和测试,结果表明:本文提出的目标检测算法

的检出率为88.9%,比单一相机感知的检出率提高了7.8%。

关键词:YOLOv5s;激光雷达;多传感器融合;目标检测

中图分类号:TN96;TN957.5DOI:10.16375/45-1395/t.2024.01.012

0引言泛,在检测速度及检测精度上皆性能良好。

在点云目标检测上分为深度学习方法与非深度

[12]

近年来自动驾驶技术飞速发展,其目的是提高学习方法。PointNet是处理点云数据的首个神经

驾驶的安全性和舒适性。目标感知系统是自动驾驶网络结构,其将所有独立的点特征聚合到一个全局

[1]点云特征中,无法提取空间点几何结构。针对这一

技术的重要组成部分。为了避免单一类型传感器

[13]

探测范围有限、安全冗余不足等缺陷,传感器融合问题,PointNet++以层级下采样的方式从小区域

技术利用具有互补特性的多种传感器来增强感知,中提取局部特征,进而获得整个点云的几何特征。

RandLA-Net[14]

[2]进一步优化了计算效率,但仍存在

已成为新兴的研究主题。

在图像目标检测领域中基于深度学习的目标检内存占用率过高等问题,不利于车载实时部署。在

[15]

测算法由于精度高、检测速度快,已成为研究的主点云目标检测传统领域中,范晶晶等针对点云的

[3]行人识别问题,结合人的几何特征,设计了基于

流方向。图像深度学习检测网络主要分为两大

类:一种是基于候选区选取的两阶段目标检测算KDTree和欧

文档评论(0)

130****7656 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档