稀疏点云中车辆障碍物检测的两种算法
机器人学
2021-09-16 v1
摘要
自动驾驶车辆的主要组成部分之一是障碍物检测流水线。大多数来自研究和产业的原型依赖激光雷达执行此任务。来自激光雷达的点云信息通常与相机和雷达数据结合，但架构主干主要基于从激光雷达数据计算的3D边界框。为获取准确表示，通常采用具有多平面的传感器，例如大于32平面。返回的点云确实密集且定义良好，但高分辨率传感器仍然昂贵且常需强大GPU处理。平面数较少的激光雷达更便宜，但返回数据不够密集，无法用最先进深度学习方法处理以检索3D边界框。本文中，我们提出基于占据栅格和几何细化的两种方案，利用低平面数（即16和8平面）激光雷达检索3D边界框列表。我们的方案已在具准确真值自定义采集数据集上验证以证明其可行性与精度。
引用
@article{arxiv.2109.07288,
title = {Two algorithms for vehicular obstacle detection in sparse pointcloud},
author = {Simone Mentasti and Matteo Matteucci and Stefano Arrigoni and Federico Cheli},
journal= {arXiv preprint arXiv:2109.07288},
year = {2021}
}