基于聚类方法的自动驾驶场景下的三维目标检测

来源：电子测量技术杂志2021年第6期北京时间：

作者：毕雪婷，刘小军，邵文远

单位：1.中国科学院空天信息创新研究院 北京 100094;2.中国科学院电磁辐射与探测技术重点实验室 北京 100190; 3.中国科学院大学电子电气与通信工程学院 北京 100049

摘要：KITTI数据集是自动驾驶场景下融合多个传感器的大型数据集，它的数据采集平台包括两个灰度摄像头、两个彩色摄像头、一个velodyne 64线激光雷达、四个光学镜头和一个GPS导航系统。KITTI 3D Object Detection Evaluation可为各种3D目标检测算法验证准确性和有效性，是自动驾驶领域最重要的数据集。此文的重点是KITTI数据集的数据重构和数据清洗：首先对KITTI数据集中的每一帧激光雷达数据使用RANSAC算法进行地面去除，并用DBSCAN算法对地面上的目标进行聚类，然后根据标签文件对聚类后的目标使用最近邻搜索赋予每个目标类别标签以完成数据重构，基于此，再对数据进行重采样以均衡类别完成数据清洗。针对重构和清洗后的KITTI数据使用PointNet算法完成分类任务，准确率高达95.13%，最后完成了KITTI数据集上3D目标检测与评估的总体框架。结果表明重构和清洗后的新数据集质量高，分类算法鲁棒性强，3D目标检测过程清晰完整。

关键词：KITTI;自动驾驶;聚类;点云分类;3D目标检测评估