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。

　　下图是道路环境中的测试。

3　后续还会测试更多的模型

版权声明：本文为CSDN博主「robinvista」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/robinvista/article/details/114711781