JASE ›› 2019, Vol. 10 ›› Issue (4): 451-458.DOI: 10.3969/j.issn.1674-8484.2019.04.006
胡远志1,刘俊生2,何佳3,肖航2,宋佳2#br#
HU Yuanzhi1,LIU Junsheng2,HE Jia3,XIAO Hang2,SONG Jia2
摘要: 提出了一种基于 4线激光雷达(LADAR)与摄像头融合的方案,用于提高智能车辆对车辆目 标的检测精度。首先调用卷积神经网络来识别图像中的目标,然后将点云与图像数据进行空间匹配, 最后采用 R-Tree 算法快速配准检测框与相应的点云数据。利用点云的深度信息就能获得目标的准确 位置。经过真实道路场景采集的图像与点云数据进行测试,结果表明:该融合算法将漏检概率(FN) 从 Mask R-CNN 方法的 14.86% 降低到 8.03% ;因而,该融合算法能够有效的降低图像漏检的概率。