煤礦井下無人駕駛無軌膠輪車目標3D檢測研究

秦沛霖， 張傳偉， 周李兵， 王健龍

(1.西安科技大學 機械工程學院， 陜西 西安 710054； 2.中煤科工集團常州研究院有限公司， 江蘇 常州 213015； 2.天地(常州)自動化股份有限公司， 江蘇 常州 213015)

0 引言

煤礦輔助運輸在生產過程中具有舉足輕重的作用，但其智能化水平亟待提升。無軌膠輪車作為重要的煤礦輔助運輸手段之一，實現其無人化可有效降低人身安全事故率和信息管理難度[1]。

環境感知是實現無人駕駛的基礎，主要為無人駕駛車輛決策和規劃提供有效信息。常用的環境感知手段包括2D平面檢測和3D立體空間檢測。2D檢測僅能輸出目標在2D圖像中的檢測錨框，對于無人駕駛車輛應用場景，無法完全提供環境感知任務所需的平面坐標及立體姿態、實際尺寸等信息，因此需進行3D檢測。

常用的3D檢測方法包括：① 基于圖像檢測法。具有代表性的是YOLO3D[2]，其網絡主體為YOLO系列使用的Darknet，在此基礎上加深了網絡層，并采用反卷積手段，使得網絡在獲取更深層特征信息的同時保留位置信息。A. Mousavian等[3]、F. Chabot等[4]采用單目相機圖像生成了高精度3D錨框。Chen Xiaozhi等[5]采用深度相機實現了高質量3D檢測。基于圖像檢測法在常規環境下表現良好且成本低，但煤礦井下視覺條件惡劣，該方法無法滿足檢測準確性要求。② 基于雷達點云檢測法。具有代表性的是體素網絡，其將雷達點云數據劃分為體素，通過體素特征編碼層轉換為統一格式的表達，采用RPN(Region Proposal Network，區域生成網絡)對物體進行分類回歸。Li Bo等[6]通過將雷達點云數據轉換為前視圖和俯視圖進行3D檢測。……