在介紹二維目標(biāo)檢測(cè)方法的基礎(chǔ)上,對(duì)基于深度學(xué)習(xí)的三維目標(biāo)檢測(cè)方法中的深度神經(jīng)網(wǎng)絡(luò)展開(kāi)探討,包括間接處理、直接處理和融合處理3類基本方法,并著重分析和對(duì)比各深度神經(jīng)網(wǎng)絡(luò)在三維目標(biāo)檢測(cè)速度和精確度等方面的優(yōu)缺點(diǎn),為車載激光雷達(dá)目標(biāo)檢測(cè)方法的選擇提供參考依據(jù)。 

【文章來(lái)源】：汽車技術(shù). 2020,(09)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

Frustum Point Nets模型[3]

隨著近年車載激光雷達(dá)在汽車智能駕駛領(lǐng)域的廣泛應(yīng)用，由車載激光雷達(dá)獲取的三維點(diǎn)云數(shù)據(jù)逐漸成為國(guó)內(nèi)外研究的熱點(diǎn)。點(diǎn)云數(shù)據(jù)攜帶的信息主要是以激光雷達(dá)為原點(diǎn)的空間坐標(biāo)和反射強(qiáng)度。相繼出現(xiàn)的機(jī)器人三維掃描庫(kù)（Robotic 3D Scan Repository）、悉尼城市目標(biāo)數(shù)據(jù)集、KIITI數(shù)據(jù)集[22]等多個(gè)開(kāi)源數(shù)據(jù)集為網(wǎng)絡(luò)的訓(xùn)練及驗(yàn)證提供了有效的數(shù)據(jù)支撐，由KITTI數(shù)據(jù)集節(jié)選出并經(jīng)過(guò)處理的點(diǎn)云和相對(duì)應(yīng)的高清圖片如圖1所示�；谏疃葘W(xué)習(xí)的三維點(diǎn)云處理方法總體上可分為3類，即間接處理、直接處理和融合處理。間接處理點(diǎn)云的方法主要是對(duì)點(diǎn)云進(jìn)行體素化或降維后再投入已有的深度神經(jīng)網(wǎng)絡(luò)進(jìn)行處理；直接處理點(diǎn)云的方法主要是重新設(shè)計(jì)針對(duì)三維點(diǎn)云數(shù)據(jù)的深度神經(jīng)網(wǎng)絡(luò)對(duì)點(diǎn)云進(jìn)行處理；融合處理點(diǎn)云的方法則是融合圖像和點(diǎn)云的檢測(cè)結(jié)果再進(jìn)一步處理。隨著圖像硬件的發(fā)展，融合處理點(diǎn)云的方法將是點(diǎn)云處理的主要技術(shù)。檢測(cè)的主要目標(biāo)有車輛、行人和騎行者，其中行人和騎行者的點(diǎn)云數(shù)據(jù)比車輛的點(diǎn)云數(shù)據(jù)稀疏，可提取的特征信息少，檢測(cè)難度大。目前的檢測(cè)算法都以車輛的檢測(cè)為主，兼容行人和騎行者的檢測(cè)。

SECOND模型[27]

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的中文地名識(shí)別研究[J]. 沈思,朱丹浩.  北京理工大學(xué)學(xué)報(bào). 2017(11)
[2]基于改進(jìn)深層網(wǎng)絡(luò)的人臉識(shí)別算法[J]. 李倩玉,蔣建國(guó),齊美彬.  電子學(xué)報(bào). 2017(03)



本文編號(hào)：3428441