基于相机激光雷达融合的目标检测方法

针对单一传感器在自动驾驶车辆环境感知系统中易受环境干扰的问题,通过融合激光雷达点云数据和相机图像数据,提出一种强鲁棒性的目标检测方法。首先,通过YOLOv4和Pointpillars分别实现相机的2D目标检测和激光雷达的3D目标检测;然后将点云从3D投影到2D笛卡尔坐标下并计算相机帧下的3D边框;进而将相机帧中的3D边界框转换为图像上的2D边框;最后,计算在同一图像上显示的相机和激光雷达检测框的IOU指标后进行边框融合并修正融合后的目标置信度,最终输出目标的融合框、类别和距离信息。在KITTI数据集上的实验结果表明,相较单一传感器的目标检测方法,所提出的方法通过点云和图像数据的优势互补提高了目标检测的精度。