基于GM-APD激光雷达数据融合的小目标检测 |
| |
引用本文: | 杜达宽,孙剑峰,丁源雪,姜鹏,张海龙.基于GM-APD激光雷达数据融合的小目标检测[J].光学精密工程,2023(3):393-403. |
| |
作者姓名: | 杜达宽 孙剑峰 丁源雪 姜鹏 张海龙 |
| |
作者单位: | 1. 哈尔滨工业大学光电子技术研究所可调谐(气体)激光技术重点实验室;2. 复杂系统控制与智能协同技术重点实验室 |
| |
基金项目: | 国防重点实验室基金资助项目; |
| |
摘 要: | 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。
|
关 键 词: | 激光雷达 目标检测 感受野 注意力机制 动态图卷积神经网络 |
|
|