基于激光雷达点云投影的多视图融合目标检测方法
摘要
在自动驾驶领域，汽车周围的环境信息能够通过3D点云很好地呈现出来，而激光雷达是获取3D点云数据的关键来源。但对于现有的3D目标检测任务而言，直接处理点云数据会因数据量庞大而占用大量计算资源；另外，利用由点云数据生成的投影视图进行检测时，又会因其视角的限制而增加漏检和错检的风险。为此，提出一种基于激光雷达点云投影的多视图融合目标检测方法。首先，将点云投影并编码为三通道2D鸟瞰图（BEV）和距离视图（RV）完成数据预处理；然后，将编码后的BEV和RV分别输入到增加有效通道注意力（ECA）模块的Complex-YOLOv4和YOLOv5s网络中进行目标检测，得到初步检测结果；最后，基于引入证据权的Dempster-Shafer证据理论，将两个视图的目标检测结果进行多视图决策融合，得到最终检测结果。实验结果表明：相较于基于单个BEV或RV视图的方法，所提方法的平均精度均值（mAP）分别提高4.07百分点和4.18百分点，显著提升目标检测性能。
引用本文（GB/T 7714）
周牧 Zhou Mu, 冉浩成 Ran Haocheng, 王勇 Wang Yong, 等. 基于激光雷达点云投影的多视图融合目标检测方法[J]. Acta Optica Sinica, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。