模拟激光雷达点云在路侧感知算法中的应用

• 作者: 邹凯 郭云鹏 陈升东 袁峰
• 来源期刊: 计算机系统应用
• 关键词: 感知算法 激光雷达 模拟仿真 深度学习
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 研究开发|Research and Development
• 页码范围: 246-254
• 页数: 9页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007964

摘要

路侧感知算法融合车载感知算法实现了超视距感知, 基于深度学习的感知算法性能取决于激光雷达点云标签标注的质量, 而点云标签相对于二维图像更难标注, 需要大量时间人力成本进行标注, 且现行感知算法都是针对于车载激光雷达. 针对这些问题, 本文提出了一种基于路侧激光雷达栅格特征聚类的感知算法, 该算法首先对路侧激光雷达点云栅格化并提取特征, 再构建深度学习方法模型学习栅格的初级感知信息, 最后根据初级感知信息进行聚类完成感知检测. 本文还利用仿真平台模拟路侧激光雷达点云, 并研究混合数据集在感知算法训练上的应用, 基于模拟数据预训模型微调(Fine-tune)在感知算法上的应用. 实验结果表明, 本文提出的路侧感知算法具有较高的实时性与可靠性, 模拟路侧激光雷达点云有助于路侧感知算法训练, 减少路侧感知算法对标注工作的依赖, 提高感知算法性能.