高于常规的激光雷达点云采集频率(10~20 Hz),满足实时处理要求;比较体素柱形与点柱形2种特征提取方式的性能差异可知,体素柱形结构在简单,中等,困难3种难度下的平均检测精度AP3D依次领先点柱形4.09%,6.66%,6.64%,证明体素柱形特征的空间语义信息更强;所提算法在保证点云帧实时处理的基础上,提高了三维车辆目标检测精度...
点柱形环境车辆是自动驾驶汽车行驶时的主要障碍物之一,对环境车辆的尺寸,位置,朝向等空间信息进行感知对于保障行驶安全具有重要意义.激光雷达点云数据包含了场景中物体表面扫描点的三维坐标,是实现车辆目标检测任务的重要数据来源.结合SECOND与PointPillars方法,提出一种基于体素柱形的三维车辆目标检测模型,利用三维稀疏卷积...