基于改进YOLOv5s和传感器融合的目标检测定位

摘要

针对无人车环境感知过程中相机无法提供道路目标的位置信息，激光雷达点云稀疏以致检测方面难以达到很好效果的问题，提出一种通过融合两者信息进行目标检测和定位的方法。采用深度学习中YOLOv5s算法进行目标检测，通过联合标定进行相机与激光雷达外参的获取以转换传感器之间的坐标，使雷达点云数据能投影到相机图像数据中，得到检测目标的位置信息，最后进行实车验证。结果表明，所提算法能在搭载TX2嵌入式计算平台的无人车自动驾驶平台上拥有27.2 Hz的检测速度，并且在一段时间的检测环境中保持12.50%的漏检率和35.32 m的最远识别距离以及0.18 m的平均定位精度。将激光雷达和相机融合，可实现嵌入式系统下的道路目标检测定位，为嵌入式平台下环境感知系统的搭建提供了参考。

关键词

传感器技术 / 深度学习 / 目标检测与定位 / 无人车环境感知 / 相机与LiDAR融合

基金资助

国家自然科学基金(51505221); 南京航空航天大学研究与实践创新项目(xcxjh20220337)