引入深度补全与实例分割的三维目标检测

• 作者: 黄漫 黄勃 高永彬
• 来源期刊: 传感器与微系统
• 关键词: 深度学习 实例分割 深度补全 点云处理
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算与测试|Calculation & Test
• 页码范围: 129-132
• 页数: 4页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)01-0129-04

摘要

三维目标检测是自动驾驶系统与机器人系统的关键技术,目前对该技术的研究大多基于深度相机获取的RGB-D图,但在室外自动驾驶场景中,输入雷达点云更符合三维目标检测系统的应用环境.以RGB图与雷达点云为输入,结合IP-Basic算法在消除噪声的同时将稀疏雷达点云补全成稠密深度图;采用降维原理,结合Mask R-CNN在RGB图上进行实例分割,进而提取目标在深度图上的对应区域;结合点云的自然不变性,将目标对应深度图转化为点云后输入到卷积神经网络进行特征学习.在公开数据集Kitti上进行实验,实验结果表明:该方法在公开三维目标检测数据集上达到了较好的检测精度.