查看更多>>摘要：点云实例分割是场景感知中的基本任务.近年来,随着车载毫米波雷达分辨能力的提高,大量基于毫米波雷达散射点的实例分割方案被提出.实例分割的结果可作为跟踪的输入,跟踪得到各个实例的航迹信息,为后续的车辆决策与路径规划提供数据支持.然而,面向毫米波雷达的实例分割方法仍存在以下挑战.一方面,相较于激光雷达,毫米波雷达观测下的散射点更稀疏,信息量较少.当同一实例的散射点距离较远或者多个相邻实例密集分布时,分割性能显著下降;另一方面,雷达穿透性有限,路面障碍物或交通参与者对实例造成部分遮挡时,分割算法无法对实例进行正确分割和判别.考虑到实际行车场景的时间连续性,利用交通参与者的航迹先验信息,即该参与者上一时刻和当前时刻的位置信息,可以克服上述问题.因此,本文提出了一种利用航迹先验融合上一帧散射点特征的车载雷达点云分割算法.该算法利用航迹的连续性,在相邻两帧之间计算实例和散射点的对应关系并基于上述关系完成散射点特征融合.相较于单帧,融合后的高质量特征不仅信息更丰富,不同实例间的特征差异更明显,而且能弥补由于遮挡导致的信息缺失.实验结果显示,所提算法的平均覆盖率和平均精度指标分别优于基于单帧的分割算法6.19%和4.54%.该结果表明,所提算法优于文献中其他方法,能有效解决上述分割算法存在的问题.此外,与基于单帧的分割方案在典型场景的可视化对比中,所提方法也凸显了其有效性和潜力.未来,我们将进一步挖掘轨迹先验信息,以加强特征提取,同时深入探讨分割性能与帧数之间的关系.
NETL
NSTL
万方数据