《表5 三维目标检测在车辆检测中的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《目标检测算法在交通场景中应用综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。