3、自动驾驶感知中的数据融合方法综述

自动驾驶感知中的数据融合方法综述

1. 深度学习简要回顾

1.1 卷积神经网络（CNNs）

卷积神经网络（CNNs）是用于图像处理和理解的最高效、最强大的深度学习模型之一。与多层感知器（MLP）相比，CNN具有平移不变性，权重更少，并且能够利用分层模式，这使得它在图像语义提取方面非常高效。CNN的端到端训练隐藏层由卷积层、批量归一化层、激活层和池化层组成。这种分层结构可以提取抽象级别和感受野不断增加的图像特征，从而实现高级语义的学习。

1.2 点云处理方法

点云是一组数据点，是激光雷达对检测对象表面的测量结果。从数据结构上看，点云是稀疏、不规则、无序且连续的。点云在3D结构和每个点的特征（反射强度、颜色、法线等）中编码信息，这些信息对尺度、刚性变换和排列是不变的。这些特性使得现有的深度学习模型在点云特征提取方面面临挑战，需要对现有模型进行修改或开发新的模型。常见的点云处理方法如下：
- 基于体素表示 ：将点云划分为固定分辨率的3D网格，每个网格/体素的特征可以手动设计或学习得到。这种表示方式与标准的3D卷积兼容，但在体素化过程中会损失空间分辨率和精细的3D几何信息，并且增加空间分辨率会导致计算和内存占用呈立方增长，缺乏可扩展性。
- 基于索引/树表示 ：为了缓解高空间分辨率和计算成本之间的限制，提出了利用树状数据结构（如k-d树和八叉树）的自适应分辨率分区方法。通过将点云划分为一系列不平衡的树，可以根据点密度对区域进行分区，从而减少不必要的计算和内存占用。
- 基于2D视图表示 ：通过将点云投影到多个2D视图平