基于体素网络的道路场景多类目标识别算法

摘要

基于激光雷达数据的三维物体识别是自动驾驶系统的关键组成部分,体素网络是较好的点云特征提取容器,但目前基于体素网络的目标识别研究大多指向单类目标.为满足无人驾驶领域的应用需求,多类目标识别亟待开展研究.本文中基于体素网络框架构建了多类目标识别网络,并测试其性能.采用计算所有类别先验候选边框重叠度的方法,为标签周围体素创建类别标签、置信度标签和目标包围边框回归值,解决了3项预测值之间可能不匹配的问题.测试结果表明,本文中提出的多目标识别算法类别预测综合召回率为88.6％;设定判定正确的重叠度阈值为0.5时,边框回归召回率为84.8％.相较于单类目标识别网络,本文中算法的单类目标预测正确率明显提高,验证了多类目标识别算法对目标特征学习有加强作用,对增强目标识别网络的鲁棒性有利.