基于激光雷達點云序列的實時目標檢測技術

（Instant Object Detection in Lidar Point Clouds）

本文研究提出了一種新的用于從城市地區采集的連續流激光雷達點云對象分類算法。該算法的基本框架輸入是由Velodyne HDL-64型激光雷達捕獲的原始三維點云序列，主要目標是從這些點云序列中提取出移動傳感器附近的所有車輛和行人目標。本文還提出了一個專門為區分室外三維城市物體而開發的完整流程：首先，將所采集到的點云分為地面區域、短物體（即低前景）和高物體（即高前景）。然后，利用算法中開發的新型雙層網格結構，對前景區域進行有效的連通分量分析，生成代表不同城市對象的不同組點。接下來，從候選對象中創建出深度圖像，并通過卷積神經網絡的應用對物體的外觀進行初步分類。最后，考慮到可能存在的預期場景拓撲，需要通過用上下文特征來細化分類。本文在真實激光雷達測量實驗中測試了所提出的算法，實驗中包含從不同城市場景中捕獲的1485個物體。

總之，為了能夠實現在城市環境下的車輛和行人進行實時檢測，本文提出了一種從稀疏點云中快速提取和分類的端到端部署流水線，其中同時利用基于深度學習的對象外觀模型和上下文場景分析。該方法在在激光雷達傳感器的實際測量中得到驗證，并將其效率與基線技術進行比較，表明了其可行性。