基于GM-APD激光雷达数据融合的小目标检测

GM-APD激光雷达具有单光子探测灵敏度，大幅降低了系统体积和功耗，但受像元数限制，难以获得远距离小目标清晰轮廓，目标检测率不高。针对该问题，提出了基于强度像和距离像多级处理的小目标深度学习检测算法，充分挖掘强度图像和点云特征信息及相互关联性，提高小目标检测概率。通过改进特征金字塔网络，将感受野模块和注意力机制模块与特征提取网络相结合，增强强度像初筛目标准确性，在候选区域内将强度像与距离像融合成带有强度信息的四维点云。然后，使用动态图卷积网络对候选区内目标进行二次检测，利用点云信息进一步筛选候选框内的目标。经GM-APD激光雷达远距离车辆数据集测试，网络的检测准确率达到98.8%，对于车辆结构不完整，车辆回波弱，背景存在强反射光斑等复杂场景有很好的鲁棒性。相较于SSD,YOLOv5等较为先进的目标检测网络，检测准确率分别提升了3.1%与2.5%，该算法为激光雷达弱小目标检测识别提供了一种可行性解决方案。