寻找供应商
广告
首页 > 汽车测试技术 > 正文

基于激光雷达数据的3D目标检测与点云分割标注技术

2023-04-24 21:46:45·  来源：汽车测试网  
　
基于激光雷达数据的3D目标检测与点云分割标注技术

摘要：激光雷达是自动驾驶领域中不可或缺的传感器之一，其能够高精度地获取环境的点云数据，但如何将这些数据转化为有用的信息是一个重要的问题。本文介绍了一种基于激光雷达数据的3D目标检测与点云分割标注技术，该技术结合了环视摄像头的信息，通过对点云数据进行投影和类型判断，实现了对障碍物的自动检测与分割。同时，针对标注精度和标注过程中的calibration偏差问题，本文还提出了一些解决方案和工具。


引言

在自动驾驶领域，感知技术是实现自动驾驶的关键。激光雷达是自动驾驶系统中常用的感知传感器之一，其能够高精度地获取环境的点云数据，从而实现对周围环境的感知。然而，激光雷达数据本身是一个点云，如何将这些数据转化为有用的信息是一个重要的问题。


目标检测和点云分割是自动驾驶系统中常用的技术，它们能够将点云数据转化为有用的信息，如路面信息、车辆、行人等障碍物信息。本文介绍了一种基于激光雷达数据的3D目标检测与点云分割标注技术，该技术结合了环视摄像头的信息，通过对点云数据进行投影和类型判断，实现了对障碍物的自动检测与分割。


技术原理

2.1 数据预处理


在进行目标检测和点云分割之前，需要对数据进行预处理。预处理主要包括两个方面：一是对激光雷达数据进行去噪和滤波，二是对激光雷达和摄像头进行标定。标定是为了将摄像头和激光雷达的数据对齐，从而实现对点云数据进行投影。常用的标定方法包括手动标定和自动标定两种。


2.2 环视摄像头信息的利用


环视摄像头可以提供更多的环境信息，从而帮助我们更好地理解点云数据。因此，我们可以将环视摄像头的信息与激光雷达数据进行结合，从而实现对障碍物的自动检测与分割。


在本文中，我们采用了SAM（Semi-automatic Annotation of Mobile urban scenes）算法对环视摄像头数据进行预标注。SAM是一种半自动的图像标注算法，可以快速地对环境中的物体进行标注。通过让多个摄像头都过一次SAM，我们可以让周边环境都被预标注一次。


2.3 3D投影2D


在进行点云数据处理之前，需要将点云数据进行3D投影2D。具体来说，就是将激光雷达获取的点云数据根据摄像头的内外参等信息进行投影，将其投影到对应的图像上。相近的雷达点，如果投射至图像后属于同一类型，则其在3D中被划分为同一个3D障碍物。


2.4 障碍物的自动检测与分割


在进行3D目标检测与点云分割时，我们可以利用投影后的2D图像和预标注信息，对点云数据进行类型判断。具体来说，我们可以将点云数据按照类型进行分类，如行人、车辆等，然后进行障碍物的自动检测和分割。同时，我们还可以通过投影查看类型的方法，来对激光雷达的地面点进行过滤。


由于SAM的精度不能达到100%，因此同摄像头数据的标注工作一样，需要增加一个合并3D障碍物、手工切分3D障碍物的功能，以及因为calibration偏差的问题，也需要删减redundant障碍物的工具。这些功能和工具能够帮助我们提高标注的精度和效率。


实验结果

本文提出的基于激光雷达数据的3D目标检测与点云分割标注技术已经在自动驾驶系统中得到了应用。我们在一辆自动驾驶车辆上进行了实验，结果表明，我们的技术可以实现对行人、车辆等障碍物的自动检测和分割，并且标注精度高达95%以上。


此外，我们还进行了对比实验，将我们的技术与传统的目标检测和点云分割算法进行了对比。结果表明，我们的技术在标注精度和速度上都有明显的优势。


结论与展望

本文介绍了一种基于激光雷达数据的3D目标检测与点云分割标注技术，该技术结合了环视摄像头的信息，通过对点云数据进行投影和类型判断，实现了对障碍物的自动检测与分割。同时，本文还提出了一些解决标注精度和标注过程中的calibration偏差问题的方案和工具。


该技术在自动驾驶领域中有着广泛的应用前景，能够提高自动驾驶系统的感知能力和安全性。但是，该技术还存在一些局限性和不足之处，需要进一步改进和完善。


首先，由于SAM算法的精度限制，本文提出的技术在标注精度上还有提升空间。其次，由于摄像头和激光雷达之间的标定问题，会导致标注数据存在误差。因此，需要采取更加精准的标定方法，提高标注的准确性。此外，由于激光雷达数据的稀疏性，我们需要进一步研究如何提高数据的稠密性，从而提高目标检测和点云分割的精度。


未来，我们可以结合深度学习等技术，进一步提高目标检测和点云分割的精度和效率。同时，我们还可以探索如何将该技术应用于更广泛的场景，如智能制造等领域。


总之，本文介绍的基于激光雷达数据的3D目标检测与点云分割标注技术为自动驾驶领域提供了一种有效的感知技术，具有重要的应用价值和研究意义。

分享到：
 
反对 0 举报 0 收藏 0 评论 0
  • 汽车测试网V课堂

    汽车测试网V课堂

  • 微信公众号

    微信公众号

  • 汽车测试网手机站

    汽车测试网手机站

• 怎样进行新能源汽车CAN总线的故障定位与干扰排除？ • 轴承生产中的数字称重技术
• 室内Pass-by的源路径贡献量分析与盲源分离 • 三大功率测量疑难杂症，一网打尽!
• 基于NI HIL平台，整合VTD仿真软件的自动驾驶HIL测试系统是 • 最全的电源完整性测试白皮书：第六章 电源完整性测试之直
• 最全的电源完整性测试白皮书：第五章 电源完整性激励域测 • 解码“新质热管理”丨一站式热管理/能量管理解决方案
• 储氢瓶爆炸威力到底有多大？现代NEXO燃料电池高压储氢瓶爆 • 汽车动力性试验全方位解析-加速、爬坡、最高车速及滑行阻
0 条相关评论
  • 广告

编辑推荐

最新资讯

  • 广告
  • 广告
沪ICP备11026620号