基于卷积神经网络的激光雷达点云目标分割

对激光雷达点云进行道路对象的语义分割,尤其是对感兴趣实例(如汽车、行人和自行车)的检测与归类。将此问题明确表达为逐点分类问题,并以卷积神经网络(Convolutional Neural Nets,CNN)为基准网络设计网络结构,对预处理过的点云数据进行语义分割。具体地,CNN将转化后的雷达点云数据作为输入,直接输出逐点标号的预测图,再通过条件随机场(Conditional Random Field,CRF)对预测图进行完善。CNN模型在KITTI数据集产生的LiDAR点云上训练,逐点分割标签源自KITTI产生的3D边界框。实验表明,设计的网络结构基本满足自动驾驶所需要的高精确度和快处理速度(每帧13.8 ms左右)。