一个基于LiDAR点云集群的小物体检测算法,用于自动驾驶汽车
Zhibing Duan1, Jinju Shao1, Meng Zhang1
1School of Transportation and Vehicle Engineering, Shandong University of Technology, Zibo 255000, China.
Sensors (Basel, Switzerland)
|August 29, 2024
概括
这项研究引入了一种基于集群的新算法,用于使用LiDAR点云检测3D物体,显著提高了自动驾驶汽车对行人和骑自行车等小物体的检测.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 自主系统 自主系统
背景情况:
- 使用LiDAR点云进行3D物体检测对于自动驾驶车辆导航至关重要.
- 现有的方法难以准确检测小物体,如行人和骑自行车的人.
- 目前基于点云的物体检测的局限性阻碍了无人驾驶汽车的安全性和可靠性.
研究的目的:
- 为LiDAR点云开发一个有效的小物体检测算法.
- 增强道路易受伤害的道路使用者 (如行人和骑自行车者) 的检测能力.
- 提高自动驾驶中3D物体检测系统的整体性能和准确性.
主要方法:
- 提出了一种新的细分地面点云细分算法,利用多区域平面拟合和启发式规则.
- 实施了一个改进的基于密度的应用程序与噪声的空间聚类 (DBSCAN) 算法用于小对象点云聚类.
- 整合了K-means++用于预集群和适应性调整的社区半径,以及改进的核心点搜索方法.
- 使用定向包裹盒模型用于最终的小物体检测.
主要成果:
- 拟议的地面细分算法实现了91.86%的精度和92.70%的回忆.
- 改进的DBSCAN集群算法提高了行人召回率15.89%,骑自行车者的召回率9.50%.
- 可视化实验证实了算法的准确检测小物体的能力.
结论:
- 开发的基于集群的算法显著提高了在LiDAR点云中检测小物体的性能.
- 新的地面细分和改进的DBSCAN方法为自动驾驶汽车的感知提供了强大的解决方案.
- 这种方法提高了无人驾驶车辆的安全性和可靠性,通过准确检测行人和骑自行车的人.
