3D物体检测的异构方法

摘要：

3D物体检测是计算机视觉的一个重要研究方向,在自动驾驶等领域有着广泛的应用.现有的前沿工作采用端到端的深度学习方法,虽然达到了很好的检测效果但存在着算法复杂度高、计算量大、实时性不够等问题.经过分析发现3D物体检测中的"部分任务"并不适合使用深度学习的方法进行解决,为此提出了一种基于异构方法的3D物体检测方法,该方法在检测过程中同时使用深度学习和传统算法,将检测过程划分为多任务阶段:1)利用深度学习方法从被检测图片中获取被检测物体的mask、物体类别等信息;2)基于mask,利用快速聚类方法从雷达点云空间中筛选出目标物体的表面雷达点;3)利用物体mask、类别、雷达点云等信息计算物体朝向、边框等信息,最终实现3D物体检测.对该方法进行了系统实现,称之为HA3D(a heterogeneous approach for 3D object detection).经实验表明:在针对汽车的3D检测数据集KITTI上,该方法与代表性的基于深度学习的3D物体检测方法相比,在检测精度下降接受范围内(2.0％),速度提升了52.2％,精确率与计算时间的比值提升了49％.从综合表现上来看,方法具有明显的优势.

关键词：深度学习;自动驾驶;实例分割;聚类;3D物体检测

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：军科委基础加强项目;广东省普;型高性能计算机重点实验室项目;国家自然科学基金;国家自然科学基金;中国科学院青年创新促进会项目;中国科学院战略性先导科技专项

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2748-2759