基于激光雷达的FSAC赛道环境感知研究

摘要

针对无人驾驶方程式赛车感知系统锥桶检测精度不高的问题，提出一种人工特征提取和深度学习结合的FSAC赛道锥桶3D目标检测方法。对原始点云进行感兴趣区域提取、体素化格栅滤波、地平面滤除、欧式聚类，生成一阶段的目标检测框；基于柱状体素对原始点云数据进行表示，利用PointNet思想逐点提取特征，将每个点还原到H、W分辨率上形成伪图像。使用卷积神经网络处理伪图像结果，使用SSD目标检测网络生成二阶段目标检测框，通过检测框确认模块将两阶段检测框进行交并比计算，交并比大于设置阈值时判定为锥桶。在校园模仿赛场环境进行的实验结果表明：结合人工特征提取和深度学习的锥桶目标检测算法取得了较好的效果，漏检率为0.08%,误检率为0.02%,帧率在60 FPS左右，提高了赛车的环境感知能力。

关键词

车辆工程 / 无人驾驶方程式赛车 / 激光雷达 / 目标检测 / 深度学习