典型文献
基于深度神经网络的自动驾驶场景三维目标检测算法
文献摘要：
在自动驾驶场景中,使用激光雷达相机获取精确度较高、可感知距离的点云数据,因此,有效利用点云数据,实现目标检测是完成自动驾驶任务的关键技术.点云数据本身具有稀疏性、无序性和数据量较大的问题,传统的深度学习目标检测方法难以有效处理提取点云特征和满足准确度要求.针对这一现状,提出一种体素化卷积网络与多层感知机模型融合的三维目标检测方法,利用体素化卷积网络提取点云数据的全局特征,结合多层感知机所提取点云数据的局部特征与距离关系,再利用候选三维区域检测方法,可以改进三维目标分类与位置预测的精度和速度.采用德国卡尔斯鲁厄理工学院提供的KITTI自动驾驶数据集,对所提出的方法与经典的方法进行对比实验.结果表明,本研究所提出的方法比以往的方法在精度上有较大提升.
文献关键词：
自动驾驶;点云数据;三维目标表征;三维目标检测;深度神经网络;模型融合
中图分类号：
作者姓名：
陆慧敏;杨朔
作者机构：
九州工业大学工学府,福冈 804-8550,日本
文献出处：
引用格式：
[1]陆慧敏;杨朔-.基于深度神经网络的自动驾驶场景三维目标检测算法)[J].北京工业大学学报,2022(06):589-597
A类：
三维目标表征
B类：
深度神经网络,自动驾驶,驾驶场景,三维目标检测,目标检测算法,激光雷达,点云数据,实现目标,稀疏性,数据量,学习目标,目标检测方法,取点,点云特征,体素化,卷积网络,多层感知机模型,模型融合,全局特征,局部特征,区域检测,目标分类,位置预测,卡尔斯鲁厄,理工学院,KITTI
AB值：
0.259081
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
