BEV特征下激光雷达和单目相机融合的目标检测算法研究

来源：计算机工程与应用杂志2024年第11期北京时间：

作者：李文礼, 喻飞, 石晓辉, 唐远航, 杨果

单位：1.重庆理工大学 汽车零部件先进制造技术教育部重点实验室，重庆 400054；2.重庆长安汽车股份有限公司，重庆 400020

摘要：为提高自动驾驶汽车对周围目标物的检测精度，提出了一种激光雷达和单目图像数据在鸟瞰图特征上融合的目标物检测算法（monocular-bird’s eye view fusion，Mono-BEVFusion）。为构建相机BEV特征，搭建了简单高效的深度预测网络预测相机特征的深度，基于显式监督的方法用深度真值对其进行监督。构建激光雷达BEV特征时，将激光点云体素化为柱状网格转化到BEV特征下，设计BEV特征融合网络将激光点云BEV特征和相机BEV特征融合，将融合特征输入到目标检测框架得到目标物（汽车、行人和骑行人）检测结果。利用KITTI数据集和实车路采数据对Mono-BEVFusion融合算法进行评估，实验结果表明该算法相较于现有融合算法综合平均精度提升了2.90个百分点，其中汽车类和行人类单项检测精度分别提升3.38个百分点和4.13个百分点。Mono-BEVFusion融合算法对遮挡目标或者距离较远的目标有较稳定的检测效果，能够有效避免单传感器的漏检现象，具有较好的实际应用价值。

关键词：自动驾驶汽车,目标物检测算法,深度预测,BEV特征融合,KITTI数据集