基于投影方法的激光雷达点云处理：一种比较
机器人学
2020-08-04 v1
摘要
准确且快速响应的感知系统是自动驾驶车辆安全行驶的基础。3D 目标检测方法处理由 LiDAR 传感器给出的点云，为每个检测提供准确的深度与位置信息及其尺寸与分类。该信息随后用于跟踪自动驾驶车辆周围的车辆与其他障碍物，并馈入保障避撞与运动规划的控制单元。如今，目标检测系统可分为两大类。第一类是基于几何的方法，通过对 3D 点进行几何与形态学操作来提取障碍物。第二类是基于深度学习的方法，利用深度学习技术处理 3D 点或 3D 点云的某种加工形式以提取一组障碍物。本文对这两类方法进行比较，并在真实自动驾驶车辆上给出每类的一种实现。算法估计的精度已在蒙扎 ENI 赛道开展的实验测试中评估。自车与障碍物的位置由带 RTK 校正的 GPS 传感器给出，从而保障比较的准确真值。两种算法均已在 ROS 上实现并运行于消费级笔记本电脑。
引用
@article{arxiv.2008.00706,
title = {LiDAR point-cloud processing based on projection methods: a comparison},
author = {Guidong Yang and Simone Mentasti and Mattia Bersani and Yafei Wang and Francesco Braghin and Federico Cheli},
journal= {arXiv preprint arXiv:2008.00706},
year = {2020}
}