基于3D点云的自运动估计与动态运动分离用于数据累积及改进3D目标检测

新型3+1D高分辨率雷达传感器因其相对低廉的成本以及相较传统低分辨率雷达传感器改进的检测能力,在自动驾驶领域3D目标检测中日益重要。与激光雷达传感器相比,高分辨率雷达传感器的一个局限是所生成点云的稀疏性。这种稀疏性可通过累积后续时间步的雷达点云部分克服。本文分析了在View-of-Delft数据集上累积雷达点云的局限性。通过采用不同的自运动估计方法,分析了该数据集的固有约束及可能的解决方案。此外,部署了一种基于学习的实例运动估计方法来研究动态运动对累积点云中目标检测的影响。实验表明,应用自运动估计与动态运动校正方法可提升目标检测性能。