无人驾驶目标检测算法测试

目的

  在无人驾驶项目开发中测试了几个目标检测算法模型,使用的数据是速腾聚餐32线激光雷达采集得到的点云,使用的显卡是RTX2060,采集的场地是停车场和道路环境。

1 PointPillars

  使用的PointPillars模型来自于Autoware的github仓库,测试结果如下图所示。模型使用了预训练权重,笔者自己没有训练。测试效果并不理想,很多车没有检测出来,即便检测出来的位姿也差的比较多,而且跳动剧烈,如果给规划模块使用还要优化。PointPillars模型百度Apollo也在使用,由C++和CUDA语言实现,代码量在4000行左右。笔者测试的版本是原始版,只能检测车辆,不包括行人和非机动车。PointPillars的优点是速度快,即使以3倍速播放数据也可以流畅的检测。

2 速腾聚餐的感知算法

  使用模型来自速腾聚餐,具体使用的算法和模型结构未知,也找不到介绍。检测效果比较好,测试结果如下图所示,即使点云稀疏的车也能大部分检测出来。同样测试了检测距离,在平地上,检测汽车的最远距离可达80米,检测行人的距离在30米左右,这对于32线的雷达来说算是不错的成绩了。

  这是算法的USB加密key。

无人驾驶目标检测算法测试_第1张图片

  下图是道路环境中的测试。

3 后续还会测试更多的模型

你可能感兴趣的:(目标检测,神经网络,无人驾驶,算法,自动驾驶)