应用于地面战场目标的点云检测算法研究

• 作者: 吴奕霆 吴新建 黄涛
• 来源期刊: 光学与光电技术
• 学科: 工学
• 关键词: 无人驾驶 激光雷达 点云 目标检测 深度学习
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 图像与信号处理|Image and Signal Processing
• 页码范围: 77-83
• 页数: 7页
• 分类号: TN958.98
• 语种: 中文

摘要

地面战场上目标检测是精准跟踪以及准确打击的前提,在现代无人化陆战中起着至关重要的作用.传统的图像检测方法受到光照,天气等条件制约,利用激光雷达技术进行3D目标检测能够显著改善车体的感知能力.针对应用于陆战无人车的检测任务,提出了一种基于卷积神经网络的3D点云检测算法,通过优化VoxelNet的体素化和特征融合模块设计了一组端对端的高效网络,并改进了一种基于距离的非极大值抑制策略.实验表明原始VoxelNet在自建数据集上车辆目标AP值为78.53％,而改进后的网络性能达84.11％,对未来军事领域的三维目标检测任务具有参考价值.