Der Algorithmus zur 3D-Objekterkennung basierend auf LiDAR-Punktwolkendaten ist durch große Datenmengen eingeschränkt, wodurch ein Gleichgewicht zwischen Geschwindigkeit und Genauigkeit nicht erreicht werden kann. In diesem Artikel wird ein verbesserter 3D-Objekterkennungsalgorithmus namens Pillar RCNN vorgeschlagen. Zunächst wird der Zielpunktwolkenraum in Voxelfelder unterteilt, wobei ein dreidimensionales Backbone-Netzwerk auf Basis von Sparse Convolution verwendet wird, um die Voxelfelder schrittweise in Säulenvoxels umzuwandeln, wodurch die 3D-Informationen in dichte 2D-Informationen quantifiziert werden. Anschließend wird ein 2D-Backbone zur Merkmalsextraktion eingesetzt, während die voxelbasierten Merkmale unterschiedlicher Skalen aus dem 3D-Backbone-Netzwerk über ein multi-skaliges Voxel-Merkmals-Aggregationsmodul mit dem 2D-Backbone-Netzwerk verkettet werden, und die Erkennungsboxen durch die Verlustfunktion weiter verfeinert werden. Der Algorithmus wurde auf dem öffentlichen KITTI-Datensatz getestet, die Erkennungsgeschwindigkeit auf der RTX 2080Ti Hardwareplattform beträgt 2,48 ms. Im Vergleich zum Referenzalgorithmus PointPillars verbesserte sich die Erkennung von Fahrrädern mittlerer Schwierigkeit um 13,34 %, die Erkennung von Autos bei hoher Schwierigkeit um 8,85 % und die Erkennungsgenauigkeit anderer Kategorien wurde ebenfalls verbessert, womit ein Gleichgewicht zwischen Geschwindigkeit und Genauigkeit erreicht wurde.

Computer Vision; 3D-Objekterkennung; Voxel; Sparse Convolution; Merkmalsaggregation