自动驾驶中基于深度学习的3D目标检测方法综述

作     者：梁振明 黄影平 宋卓恒 丁建华 LIANG Zhenming;HUANG Yingping;SONG Zhuoheng;DING Jianhua

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 

出 版 物：《上海理工大学学报》 (Journal of University of Shanghai For Science and Technology)

年 卷 期：2024年第46卷第2期

页      面：103-119页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(62276167) 上海市自然科学基金资助项目(20ZR1437900) 

主　　题：3D目标检测 深度学习 自动驾驶 RGB图像 激光雷达点云 多传感器融合 

摘      要：随着激光雷达传感器和深度学习技术的快速发展,针对自动驾驶3D目标检测算法的研究呈现爆发式增长。为了探究3D目标检测技术的发展和演变,对该领域中基于深度学习的3D检测算法进行了综述。根据车载传感器的不同,将当前基于深度学习的自动驾驶3D目标检测算法分为基于相机RGB图像、基于激光雷达点云、基于RGB图像–激光雷达点云融合的3D目标检测3种类型。在此基础上,分析了各类算法的技术原理及其发展历程,并根据平均检测精度(mAP)指标,对比了它们的性能差异与模型优缺点。最后,总结和展望了当前自动驾驶3D目标检测中仍然面临的技术挑战及未来发展趋势。