基于点云与图像交叉融合的道路分割方法

作     者：张莹 黄影平 郭志阳 张冲 Zhang Ying;Huang Yingping;Guo Zhiyang;Zhang Chong

作者机构：上海理工大学光电信息与计算机工程学院上海200093 

基　　金：上海市自然科学基金资助项目(20ZR1439007) 国家自然科学基金资助项目(61374197) 

出 版 物：《光电工程》 (Opto-Electronic Engineering)

年 卷 期：2021年第48卷第12期

页      码：30-41页

摘      要：道路检测是车辆实现自动驾驶的前提。近年来,基于深度学习的多源数据融合成为当前自动驾驶研究的一个热点。本文采用卷积神经网络对激光雷达点云和图像数据加以融合,实现对交通场景中道路的分割。本文提出了像素级、特征级和决策级多种融合方案,尤其是在特征级融合中设计了四种交叉融合方案,对各种方案进行对比研究,给出最佳融合方案。在网络构架上,采用编码解码结构的语义分割卷积神经网络作为基础网络,将点云法线特征与RGB图像特征在不同的层级进行交叉融合。融合后的数据进入解码器还原,最后使用激活函数得到检测结果。实验使用KITTI数据集进行评估,验证了各种融合方案的性能,实验结果表明,本文提出的融合方案E具有最好的分割性能。与其他道路检测方法的比较实验表明,本文方法可以获得较好的整体性能。

主 题 词：自动驾驶 道路检测 语义分割 数据融合 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.12086/oee.2021.210340

馆 藏 号：203107785...