基于改进Complex-YOLO激光雷达的行人检测算法研究

作     者：许立 凌铭 王若铭 

作者机构：上海工程技术大学电子电气工程学院 

出 版 物：《激光技术》 (Laser Technology)

年 卷 期：2024年

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：上海市技术标准基金资助项目(21DZ2204300) 

主　　题：激光技术 行人检测 深度学习 点云 

摘      要：激光雷达点云表现出明显的离散性，其信息密度远低于图像，从而导致行人检测在此背景下面临较大挑战，表现出较低的检测精度。为了解决上述问题，提出了一种基于改进Complex-YOLO的激光雷达行人检测方法。首先设计了一种新的网络特征提取结构，旨在增强主干网络的特征学习能力，以便在数据稀缺的情况下更充分地挖掘信息。使用的级联特征金字塔网络及其多分支线性融合方法能够融合不同尺度、不同深度的特征，提升网络的泛化性能，以应对数据特征畸变的情况。在训练过程中还采用了EIoU（Enhanced Intersection over Union）以加速网络的收敛速度。实验结果表明，改进后的算法检测精度提升了3.03%。该研究对在稀疏数据情况下提高行人检测精度是有帮助的。