基于激光雷达点云的 3D 目标检测技术综述

基于激光雷达点云的 3D 目标检测技术综述

一篇关于雷达（点云）的综述

1.数据来源以及数据集

1.1数据来源

数据来源主要包括 LiDAR 、RGB-D camers、RADAR 等
(1)RGB-D camers：包括rgb信息以及深度信息:用来表示被测物体距离相机的距离
由于激光雷达 获取的点云能够保留丰富的物体原有的几何信息， 在自动驾驶场景中获得了很多关注。但是因为激光 雷达点云是一种稀疏的和非结构化的数据，相较于 图像而言，处理点云数据需要更多的计算机算力， 这些都制约了利用激光雷达点云进行三维目标检测。 因此，如何利用更少的计算机资源，利用获取的点 云数据获取更加高效精确的目标检测性能，成为利 用点云进行目标检测的研究方向。

1.2数据集

（1）KITTI：

2012年创办，包括 7481 个训练样本以及 7581 个测试样本。该数据集包含3个类别的检测目标，分别是行人 (Pedestrian）、自行车（Cyclist）以及车辆（Car）

(2)nuScenes:

提供不同城市场景下 360°的全景信息。它包含 1000 个在波士顿和新加坡不同天气下采样的场景数据，每一个场景的时间为 20 s。不同于 KITTI 数据集，nuScenes 数据集 还提供不同场景下时续连续的样本。

(3)Waymo Open Dataset:

包 含 1 000 个场景， 其中 798 个场景作为训练集（包括大约 160×103 的 样 本 ）， 202 个场景作为验证集（包括大约 40×103 的样本）。

2.基于点云的3D目标检测方法

基于点云的 3D 目标检测模型通常由点云表示 模块、点云特征提取模块以及区域提案模块三个模 块组成。根据模型完成检测所需的步骤，可以分为 单阶段检测算法和两阶段检测算法。

2.1单阶段检测算法

单阶段的特点： 速度快、精度偏低
使用单阶段的网络结构，从原始的点云中获取特征后，使用这些特征直接进行目标预测并生成 3D 边界框。主要包括<