基于特征增稳的混合固态激光雷达目标检测

稳定的点云特征提取对激光雷达三维目标检测至关重要。针对现有深度学习算法仅能处理机械旋转式激光雷达点云数据,而对混合固态激光雷达数据支持不足的问题,本文基于IA-SSD搭建了适用于混合固态激光雷达的目标检测模型。首先,在点云编码前端添加了Cloth Simulation Filtering (CSF)用于地面次优点过滤;其次,利用局部特征融合和全局双线性正则化层组成的注意力机制,从局部和全局共同推动点云几何信息与特征信息融合;再次,利用GhostGConv替换原有低效的逐点卷积,通过通道混洗机制加强点云的特征交互,构建了增强型特征提取网络。最后,在点检测器IA-SSD中整合了上述模块完成模型构建。在混合固态激光雷达数据集SimoSet开展的验证结果表明,所提出的方法显著优于SimoSet数据集支持的其他算法精度指标;在KITTI数据集中等难度检测中,所提方法将IA-SSD三分类平均检测精度分别提升了1.17、1.47、0.5百分点。