【技术实现步骤摘要】
本专利技术属于激光雷达目标检测算法领域，具体为基于voxel rcnn complex hd的道路目标检测方法。
技术介绍
1、无人驾驶系统主要由感知、决策、执行三大系统组成。其中，感知系统主要由摄像头、激光雷达、毫米波雷达等传感器感知周围环境，由全球定位系统(gps)、惯性导航、高精度地图确定车辆在环境中的位置。决策系统对感知系统的输出信息进行分析计算，进行任务规划、行为规划、运动规划。通过任务规划，车辆将得到起点到终点的路径；行为规划确定了汽车在每一时刻应处于什么状态，如正常行驶、超车、变道等状态；运动规划则决定了汽车各种执行机构的状态，如方向盘转角、变速器挡位、发动机转速等。最后，执行系统接收决策系统的输出信息，作用于车辆的各种执行机构，实现车辆的横向与纵向控制。
2、由此可见，感知系统是无人驾驶汽车系统的基础，保证着车辆的安全运行。相比于其他传感器，激光雷达有着精度高、抗光干扰能力强的优点，基于激光雷达的道路目标检测算法可以精准稳定地感知障碍物的类别、尺寸、位置、航向角等信息。随着车规级激光雷达成本的降低和车载芯片算...
【技术保护点】
1.基于Voxel RCNN Complex HD的道路目标检测模型，其特征在于，包括：
2.根据权利要求1所述的基于Voxel RCNN Complex HD的道路目标检测模型，其特征在于，所述改进的三维特征提取网络，使用残差子流形模块代替子流形模块，以此获得完整的特征，残差子流形模块在每个卷积的输入和输出之间增加捷径，在体素下采样过程中，能够保持特征的完整性，并且使得网络易优化；此外，在稀疏卷积8倍下采样时，将体素特征从64维升到128维，通过高维的特征提取更加丰富的信息，以此提高算法在复杂场景的检测性能；
3.根据权利要求1所述的基于Vo...
【技术特征摘要】
1.基于voxel rcnn complex hd的道路目标检测模型，其特征在于，包括：
2.根据权利要求1所述的基于voxel rcnn complex hd的道路目标检测模型，其特征在于，所述改进的三维特征提取网络，使用残差子流形模块代替子流形模块，以此获得完整的特征，残差子流形模块在每个卷积的输入和输出之间增加捷径，在体素下采样过程中，能够保持特征的完整性，并且使得网络易优化；此外，在稀疏卷积8倍下采样时，将体素特征从64维升到128维，通过高维的特征提取更加丰富的信息，以此提高算法在复杂场景的检测性能；
3.根据权利要求1所述的基于voxel rcnn complex hd的道路目标检测模型，其特征在于，所述改进的二维特征提取网络，包括二维卷积、自校准卷积、通道注意力和空间注意力机制、残差结构，将原始的伪图像表达分别用3个3×3的二维卷积进行1倍、2倍、4倍下采样以获得更多尺度的特征，接着在每个二维卷积后面用2个连续的自校准卷积在自校准空间和原始尺度空间分别进行特征提取，不仅可以进行特征融合，而且能扩大感受野，并且在第一个自校准卷积的输入和第二个自校准卷积的输出之间增加了捷径分支，有利于保持特征及梯度的流通；在每个卷积组的最后增加了空间注意力和通道注意力机制，滤除无用特征，增强有用的特征表达；最后，将3种尺度的特征通过转置卷积上采样至相同的尺寸进行特征融合，通过这些操作，可以充分提取复杂场景的点云特征，有利于后续高质量回归框的生成。
4.根据权利要求1所述的基于voxel rcnn complex hd的道路目标检测模型，其特征在于，所述有锚框的检测头，在特征图的每一个网格内放置多个锚框，为每一个类别分别放置1个0度和90度的锚框，然后通过二维卷积预测其位置、尺寸、航向角偏移量及置信度，最后通过预测的偏移量及锚框信息计算出预测候选框的位置、尺寸及航向角，滤除置信度较低的候选框便可得到高质量的预测候选框。
5.根据权利要求4所述的基于voxel rcnn complex hd的道路目标检测模型，其特征在于，有锚框检测头生成候选框的计算公式如式(1)所示
6.根据权利要求4所述的基于voxel rcnn complex hd的道路目标检测模型，其特征在于，所述无锚框检测头，采用基于热力图的无锚框检测算法，共两个分支，分别用于热力图的预测及边界框的回归；热力图预测分支将所有目标看成一个个中心点，为每一个类别预测一张热力图，通过寻找热力图峰值的方法...
【专利技术属性】
技术研发人员：蔡英凤，冯明月，王明辰，王海，陈龙，石轩宇，郭源，杨子枫，
申请(专利权)人：江苏大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。