自动驾驶场景下多传感器融合目标检测算法研究

日前随着智能交通的发展,自动驾驶的需求日益增长,由于复杂和动态的驾驶环境的性质,实现完全的自动驾驶目前面临巨大挑战。自动驾驶场景下的目标识别可以用于路径规划、运动预测和碰撞避免,是自动驾驶技术的关键技术之一。如何在有限的传感器、时间和计算资源消费范围内获得更高的目标识别率及更好跟踪准确度是自动驾驶所需要解决的问题。鉴于传统目标检测系统中,采用单一传感器进行目标识别,在感知范围、识别准确性等方面存在的固有缺陷,本文对单激光点云和点云-图像融合3D目标识别进行研究分析,同时重点阐述点云-图像前融合深度学习网络MV3D、VOAD、PointPainting,后融合网络CLOCs的应用及其性能对比分析。最后对后融合网络CLOCs进行网络改进,提出根据大小目标灵活变化输出多尺度的特征图,以达到目标特征匹配的结果从而提高融合的匹配程度,实验结果表明在小目标检测过程中表现出较好的性能。