成果介绍
以激光雷达与相机传感器为对象,针对高精度三维目标检测任务,重点开展了多模态传感器自我与联合标定、两阶段序列融合方法的设计、点云密度与语义增强方式的探索,解决了稀疏点云带来的特征提取困难问题,提升了三维目标检测器性能。相关工作在国际主流数据集上的检测结果优于现有公开的、能查询到的国际主流方法
成果亮点
近年,基于激光雷达与相机融合的三维目标检测技术在自动驾驶领域取得了重大进展。然而,挑战在于有效的设计多模态融合的位置及策略,本项目提出了一种基于两阶段序列融合的三维目标检测方法。在第一融合阶段,通过融合原始点云与图像实例分割掩膜以生成语义丰富的强化点云,在其中引入最近群组关联的思想,减少噪声点云对网络训练的影响。在第二融合阶段,级联锚点间距与置信度完成非极大值抑制,获得更准确的候选区域。该算法可克服多模态传感器异构和异质带来的几何失真、信息缺失、特征混淆等问题,有利于提高自动驾驶汽车的安全性
团队介绍
安徽工程大学是一所以工为主的省属多科性高等院校和安徽省重点建设院校,学校办学始于1935年安徽私立内思高级职业学校,历经芜湖电机制造学校、芜湖机械学校、安徽机电学院、安徽工程科技学院等办学阶段,2010年更名为安徽工程大学。学校设有17个二级学院和继续教育学院,60余个本科招生专业。作为省级博士立项建设单位,学校有17个一级学科硕士学位授权点,11个硕士专业学位授权类别。
成果资料
产业化落地方案