基于 YOLO 与 K-Means 的图像与点云三维目标检测方法
计算机视觉与模式识别
2020-05-06 v1
摘要
基于激光雷达的三维目标检测与分类任务是自动驾驶（AD）的关键环节。激光雷达传感器可提供周围环境的三维点云数据重建。然而，三维点云中的实时检测仍需要强大的算法支撑。本文提出一种基于点云与图像的三维目标检测方法，包含三个部分：（1）激光雷达-相机标定与无畸变图像变换；（2）基于 YOLO 的检测与点云提取；（3）基于 K-means 的点云分割及深度图像中的检测实验测试与评估。在我们的研究中，相机捕获图像，利用 YOLO 进行实时二维目标检测，我们将边界框传递给节点，该节点负责对来自激光雷达的点云数据进行三维目标检测。通过比较三维点转换后的二维坐标是否位于目标边界框内，可在 GPU 上实现高速三维目标识别功能。经点云 K-means 聚类后，准确率与精确率得到提升。我们的检测方法在速度上优于 PointNet。
引用
@article{arxiv.2005.02132,
title = {3D Object Detection Method Based on YOLO and K-Means for Image and Point Clouds},
author = {Xuanyu Yin and Yoko Sasaki and Weimin Wang and Kentaro Shimizu},
journal= {arXiv preprint arXiv:2005.02132},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:2004.11465