公开(公告)号：CN116229408A

公开(公告)日：2023-06-06

申请号：CN202211467668.8

申请日：2022-11-22

Applicant: 重庆邮电大学

Inventor： 唐伦 ,  刘晋成 ,  陈前斌

IPC: G06V20/58 ,  G01S17/86 ,  G06V10/80 ,  G06V10/26 ,  G06V10/762 ,  G06V10/82

Abstract: 本发明涉及一种图像信息与激光雷达点云信息融合的目标识别方法，属于自动驾驶技术领域。该方法包括：使用KITTI数据集训练YOLO v4网络，得到基于视觉传感器的人车目标检测网络；对激光雷达原始点云进行处理，包括激光雷达的点云滤波、地面点云分割、点云聚类和目标特征提取，采用基于图像包络的三维位置估计方法，生成目标三维边界框；将激光雷达检测到的三维障碍物点云投影到图像上，投影边界框与图像检测的障碍物边界框通过IOU关联匹配进行融合。本发明能够实现实用性强，且准确、高效的多传感器决策级融合，提高自动驾驶的安全性。

公开(公告)号：CN116109601A

公开(公告)日：2023-05-12

申请号：CN202310140341.8

申请日：2023-02-20

Applicant: 重庆邮电大学

Inventor： 唐伦 ,  刘晋成 ,  陈前斌

IPC: G06T7/00 ,  G06V10/762 ,  G06T7/10

Abstract: 本发明提供一种基于三维激光雷达点云的实时目标检测方法，属于自动驾驶领域。具体步骤包括如下：主要包括点云滤波、地面点云分割、点云聚类和三维目标特征提取。为了解决点云地面分割在坡度变化时，固定阈值会导致分割不理想的问题，提出了自适应坡度阈值的地面分割算法，构建KD树加速DBSCAN基于Andrew最小凸包算法，拟合最小边界矩形，生成目标三维边界框，完成聚类后的目标点云位姿估计，将得到的三维包围盒作为密度聚类的结果输出。本公开的方案能够实现实用性强，且准确、高效的目标检测，提高自动驾驶的安全性。