基于数据融合的目标测距方法研究

单目视觉进行目标识别有着巨大优势,但在目标测距方面存在精度不足且测量过程不稳定的问题,一种基于4线激光雷达与摄像头融合的联合测距的方法被提出并改善这一问题。首先利用卷积神经网络检测图像中的目标,得到相应的检测框;与此同时,通过标定相机内外参,将三维的激光点云数据转换到二维平面,得到2种数据对于检测环境的一致性表达。然后利用R-Tree算法快速配准检测框与相应的点云数据。此时,利用点云的深度信息能获得目标在真实世界的位置,并提出联合测距的方法来进一步提高测距精度。最终经实车采集的数据验证了所提算法的有效性。

基于激光雷达点云与图像融合的车辆目标检测方法

提出了一种基于4线激光雷达(LADAR)与摄像头融合的方案,用于提高智能车辆对车辆目标的检测精度。首先调用卷积神经网络来识别图像中的目标,然后将点云与图像数据进行空间匹配,最后采用R-Tree算法快速配准检测框与相应的点云数据。利用点云的深度信息就能获得目标的准确位置。经过真实道路场景采集的图像与点云数据进行测试,结果表明:该融合算法将漏检概率(FN)从Mask R-CNN方法的14.86%降低到8.03%;因而,该融合算法能够有效的降低图像漏检的概率。