计算机应用研究

作者：赵筱楠,申丹虹,

单位：中北大学经济与管理学院,太原030051；

关键词：地面先验,3D目标检测,自动驾驶,中心网络,冗余信息预测,

基金：山西省哲学社会科学规划课题(1810900032MZ)；；

为了提高自动驾驶汽车环境感知的性能，增强单目相机对障碍物三维和边界信息的感知能力，提出了一种基于地面先验的3D目标检测算法。基于优化的中心网络（CenterNet）模型，以DLA（deep layer aggregation）为主干网络，增加目标3D边沿框中心点冗余信息预测。根据自动驾驶场景的地面先验信息，结合针孔相机模型，获取目标3D中心深度信息，以优化深度网络学习效果。使用KITTI 3D数据集评测算法性能，结果表明：在保证2D目标检测准确性的基础上，该算法运行帧率约20 fps，满足自动驾驶感知实时性要求；同时相比于CenterNet模型，在平均方位角得分（average orientation score）和鸟视图平均准确率（bird eye view AP）上分别有4.4和4.4%的性能提升。因而，该算法可以提高自动驾驶汽车对障碍物三维和边界信息的感知能力。

来源：2022年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第1期