《表5 三维目标检测在车辆检测中的应用》
融合处理点云的方法则是融合图像和点云的检测结果再进一步处理。Chen等提出MV3D[75](Multi-View3D)算法,将点云与图像作为输入,通过点云栅格化构建俯视图和前视图,以实现自动驾驶三维目标检测。Xu等提出Point Fusion[76]算法,分别使用Res Net和Point Net提取特征进行融合,然后预测目标的3D边界框。Ku等提出一种用于自动驾驶的目标检测算法,AVOD[77](Aggregate View Object Detection Network)设计了一个生成多模态高分辨率特征映射的RPN网络,以预测场景中目标的大小、方向和类别。对于传感器无法同步等问题,Roar Net-3D[78]算法使用Roar Net-2D估计物体的三维姿态并获得候选区域作为输入,然后深度推断候选区域获得最终姿态。融合处理点云方法检测识别精度高,效果最好。目前,融合处理点云的方法是点云处理的主要技术且检测效果优势明显,但是融合处理计算量大、采集数据困难。具体三维检测车辆目标应用见表5。
图表编号 | XD00201599300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.15 |
作者 | 肖雨晴、杨慧敏 |
绘制单位 | 东北林业大学工程技术学院、东北林业大学工程技术学院 |
更多格式 | 高清、无水印(增值服务) |