煤矿井下无人驾驶无轨胶轮车目标3D检测研究

摘要

基于3D检测的环境感知是实现煤矿井下无轨胶轮车无人驾驶技术的基础。因井下环境中光照不足,导致RGB图像信息缺失,且巷道空间狭小导致激光雷达采集的点云数据存在较多噪声,现有的基于图像或雷达点云的目标3D检测方法在井下难以取得较好的检测效果。针对该问题,提出一种融合图像和雷达点云的无人驾驶无轨胶轮车目标3D检测方法。针对获取的无轨胶轮车行驶环境数据进行预处理:采用全局直方图均衡化方法提升RGB图像亮度,降低井下光照不均影响;对雷达点云数据进行双边滤波去噪及主成分分析降维处理,以提升点云数据质量,减少运算时间。设计了一种融合图像与雷达点云检测模型,采用区域生成网络生成2D图像候选区域,对其与点云数据进行早期特征级融合生成3D候选区域,并与经感兴趣区域池化的图像和点云数据进行后期区域级融合,输出3D检测锚框,实现目标检测。实验结果表明,与基于YOLO3D,MV3D模型的检测方法相比,该方法对待测目标的检测精度较高,较好地实现了精度与检测速度的平衡。井下测试结果表明,该方法能够准确检测出无轨胶轮车行驶环境中的行人或车辆位置,无漏检情况,具有良好的井下适应性。