交通场景下基于激光与视觉融合的车辆检测方法

摘要：

随着深度学习的快速发展,基于深度神经网络的目标检测模型被不断提出并且检测的效率和精度均得到大幅提升.然而,目前的环境目标检测方法在复杂场景下的性能仍然受限.多传感器信息融合被认为是进一步实现目标检测技术突破的重要途径.本文针对环境感知中的车辆检测技术,着重介绍了融合视觉信息和激光信息的多视图目标检测(AVOD)模型的框架,对其工作原理进行说明,探究了决定网络模型性能的关键因素.最后,论文在KITTI上对AVOD模型的性能进行了验证与对比分析,指出了未来的发展方向.

关键词： 车辆检测 多视图目标 信息融合 环境感知 深度神经网络 交通场景

作者: 裴浩渊 王纪凯 戴德云 陈宗海

作者单位: 中国科学技术大学,安徽合肥,中国,230026

会议类型: 国内会议

会议名称: 第20届中国系统仿真技术及其应用学术年会(20th CCSSTA 2019)

会议地点: 合肥

会议语种:中文

页码: 557-561

在线出版日期: 2019-08-01（万方平台首次上网日期，不代表论文的发表时间）