基于激光雷达的无人驾驶系统三维车辆检测.pdf

第 30卷 第 4期 光学 精密工程 Vol.30 No.4 2022年 2月 Optics and PrecisionEngineering Feb. 2022 文章编号 1004-924X（2022）04-0489-09 基于激光雷达的无人驾驶系统三维车辆检测 伍锡如 ，薛其威* （桂林电子科技大学 电子工程与自动化学院，广西 桂林 541004） 摘要：针对无人驾驶系统环境感知中的三维车辆检测精度低的问题，提出了一种基于激光雷达的三维车辆检测算法。通 过统计滤波与随机抽样一致算法（RandomSampleConsensus，RANSAC）实现地面点云分割，剔除激光雷达数据冗余点 及离群点；改进3DSSD深度神经网络，利用融合采样提取点云中车辆语义信息与距离信息；根据特征信息对车辆位置进 行二次调整生成中心点，使用三维中心分配器匹配中心点并生成三维车辆检测框。将KITTI数据集划为不同场景作为 实验数据，对比多种三维车辆检测算法。实验结果表明：所提出的方法能够快速、准确的实现三维车辆检测，平均检测时 间为0.12s，检测精度最高可达89.72%。 关 键 词：激光雷达；环境感知；无人驾驶系统；三维检测 中图分类号：TP391 文献标识码：A doi：10.37188/OPE0489 3Dvehicledetectionforunmanneddrivingsysterm basedonlidar * WU Xiru ，XUE Qiwei （CollegeofElectronicEngineeringandAutomation，GuilinUniversityof ElectronicTechnology，Guilin541004，China） * Correspondingauthor，E-mail：xiruwu520 163.com Abstract：Thispaperproposesa 3Dvehicledetectionalgorithmforunmanneddrivingsystemstosolve theproblemoflowaccuracyinenvironmentalperceptionbasedonlidar. First，accordingtostatisticalfil⁃ teringandarandom samplingconsensusalgorithm （RANSAC），thegroundpointcloudsegmentation wasanalyzedinordertoeliminatetheredundantpointsandoutliersofthelidardata. Second，weim⁃ proved the 3DSSD deep neuralnetwork to extractvehicle semantic and distance information from the pointcloudthroughfusionsampling. Accordingtothefeatureinformation，thecandidatepointposition wasadjustedtwicetogenerateacenterpoint. The 3Dcenter-nessassignmentstrategywasadoptedtocre⁃ atea 3Dvehicledetectionbox. Finally，wedividedtheKITTIdatasetintodifferentscenes，tobeusedas experimentaldata，bycomparingvariouscurrent 3Dvehicledetectionalgorithms. Theexpe