(Instant Object Detection in Lidar Point Clouds)
本文研究提出了一種新的用于從城市地區(qū)采集的連續(xù)流激光雷達(dá)點云對象分類算法。該算法的基本框架輸入是由Velodyne HDL-64型激光雷達(dá)捕獲的原始三維點云序列,主要目標(biāo)是從這些點云序列中提取出移動傳感器附近的所有車輛和行人目標(biāo)。本文還提出了一個專門為區(qū)分室外三維城市物體而開發(fā)的完整流程:首先,將所采集到的點云分為地面區(qū)域、短物體(即低前景)和高物體(即高前景)。然后,利用算法中開發(fā)的新型雙層網(wǎng)格結(jié)構(gòu),對前景區(qū)域進(jìn)行有效的連通分量分析,生成代表不同城市對象的不同組點。接下來,從候選對象中創(chuàng)建出深度圖像,并通過卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用對物體的外觀進(jìn)行初步分類。最后,考慮到可能存在的預(yù)期場景拓?fù)?,需要通過用上下文特征來細(xì)化分類。本文在真實激光雷達(dá)測量實驗中測試了所提出的算法,實驗中包含從不同城市場景中捕獲的1485個物體。
總之,為了能夠?qū)崿F(xiàn)在城市環(huán)境下的車輛和行人進(jìn)行實時檢測,本文提出了一種從稀疏點云中快速提取和分類的端到端部署流水線,其中同時利用基于深度學(xué)習(xí)的對象外觀模型和上下文場景分析。該方法在在激光雷達(dá)傳感器的實際測量中得到驗證,并將其效率與基線技術(shù)進(jìn)行比較,表明了其可行性。