计算机研究与发展

作者：吕卓,姚治成,贾玉祥,包云岗,

关键词：深度学习, 自动驾驶, 实例分割, 聚类, 3D物体检测,

3D物体检测是计算机视觉的一个重要研究方向，在自动驾驶等领域有着广泛的应用.现有的前沿工作采用端到端的深度学习方法，虽然达到了很好的检测效果但存在着算法复杂度高、计算量大、实时性不够等问题.经过分析发现3D物体检测中的“部分任务”并不适合使用深度学习的方法进行解决，为此提出了一种基于异构方法的3D物体检测方法，该方法在检测过程中同时使用深度学习和传统算法，将检测过程划分为多任务阶段：1)利用深度学习方法从被检测图片中获取被检测物体的mask、物体类别等信息；2)基于mask，利用快速聚类方法从雷达点云空间中筛选出目标物体的表面雷达点；3)利用物体mask、类别、雷达点云等信息计算物体朝向、边框等信息，最终实现3D物体检测.对该方法进行了系统实现，称之为HA3D(aheterogeneousapproachfor3Dobjectdetection).经实验表明：在针对汽车的3D检测数据集KITTI上，该方法与代表性的基于深度学习的3D物体检测方法相比，在检测精度下降接受范围内(2.0%)，速度提升了52.2%，精确率与计算时间的比值提升了49%.从综合表现上来看，方法具有明显的优势.

来源：2021年第12期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2021年第12期