原文传递
面向无人驾驶的三维点云目标检测算法研究
| 论文题名： | 面向无人驾驶的三维点云目标检测算法研究 |
| 关键词： | 地面分割;目标检测;无人驾驶;图卷积神经网络;注意力机制 |
| 摘要： | 随着无人驾驶技术的不断发展，自动驾驶汽车行业的市场规模快速增长。无人驾驶的体系主要由环境感知、行为决策和运动控制三个核心技术组成，其中感知系统可以使无人驾驶车辆通过车载传感器实现像驾驶员一样理解道路环境，从而进行预测和规划。车载传感器主要包括相机、毫米波雷达、激光雷达和超声波雷达等，同时高速芯片如TPU、GPU等也在无人驾驶领域扮演着重要的角色。无人驾驶是智能化的终极体现，集中运用了计算机、人工智能及自动控制等技术。本文基于3D激光雷达所采集的点云数据，完成障碍物的目标识别任务，主要包括地面分割，在得到非地面点后，通过聚类算法提取障碍物目标，最后使用深度学习的点云分类网络实现障碍物的识别任务。 本文的主要工作和贡献如下： 1.对于现有地面分割方法存在欠分割的现象，本文结合激光雷达采集的点云数据中每一条扫描线的索引信息，根据路面的几何特征对每一条扫描线单独处理，进行地面点云的提取和过滤。 2.去除地面点后，我们使用结合KD-Tree的DBSCAN算法对非地面点进行聚类，这样可以较为快速地去除噪声点，同时准确得到目标聚类结果。 3.针对现有方法未考虑特征通道的重要性差异，我们提出一种结合注意力机制的ADGCNN网络，在EdgeConv结构中引入通道注意力模块，为通道分配不同权重，提升网络的特征表达能力，并在实际数据集上进行训练，得到点云分类器。 |
| 作者： | 田世轩 |
| 专业： | 机械 |
| 导师： | 朱勇建 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江科技学院 |
| 学位年度： | 2022 |
检索历史
应用推荐
