适应性融合LiDAR功能用于自动驾驶中的3D物体检测

科学领域:

• 自动驾驶自动驾驶的自动驾驶
• 传感器融合式传感器
• 计算机视觉 计算机视觉

背景情况:

• 自动驾驶中的合作感知使用多传感器数据 (LiDAR,摄像头,雷达) 来增强环境理解.
• 传统的早期/晚期融合方法在带宽和计算成本方面扎,影响知觉准确性,特别是对于像行人这样的小物体.
• 在复杂的交通场景中,检测小物体并实现高效,准确的合作感知仍然是一个挑战.

研究的目的:

• 提出一种新的合作感知框架,使用两阶段的中间级传感器特征融合.
• 解决现有的核聚变方法在平衡行人和车辆检测效率和精度方面的局限性.
• 在复杂的交通环境中,提高与行人和车辆共存的感知能力.

主要方法:

• 开发了一个新的合作感知框架,利用两阶段的中间级传感器特征融合.
• 为涉及行人和车辆的复杂交通场景设计了框架.
• 通过对模拟和真实世界数据集进行定性和定量实验来验证模型.

主要成果:

• 与主流方法相比,拟议的框架在检测像行人这样的小物体方面表现优异.
• 实现了对中型和大型物体 (如车辆) 的合作感知精度的改进.
• 超越了最先进的模型,在车辆检测方面提高了4.1%,在行人检测准确度 (mAP) 中提高了29.2%.

结论:

• 新的两阶段中级传感器功能融合框架有效地提高了自动驾驶中的合作感知.
• 该方法显著提高了在复杂的交通场景中检测小物体 (行人) 和整体感知精度.
• 实验验证证证实了拟议方法的可靠性和性能优于现有的最先进模型.