摘 要：在常規的車輛目標檢測中，YOLO，SSD，RCNN等深度模型都獲得了較好的檢測效果，但是在無人駕駛系統中，車輛的速度、方向、相對距離等因素對于系統來說十分重要，所以采用二維車輛檢測對于駕駛場景的理解還遠遠不夠。激光點云數據蘊含著豐富的三維環境信息，融合點云數據和深度網絡的三維車輛檢測已成為未來的發展方向。文章給出了一種基于點云網絡與卷積神經網絡的三維車輛檢測方法，首先，使用CRC和輸入尺寸有關的SDP技術來提高車輛檢測的準確性;其次，采用點云網絡結構(Pointnet)來處理點云數據，實現三維目標檢測，研究表明設計網絡結構在檢測精度上有著較大的優勢。
關鍵詞：車輛檢測;點云網絡;卷積神經網絡;拒絕分類器
1 車輛檢測的相關算法
近年來，由于深度學習技術的興起，機器視覺與人工智能有了快速的發展，特別是智能汽車領域，通過在車輛中安裝視覺傳感器使駕駛變得越來越安全以及智能化，而無人駕駛技術更是得到了工業界與學術界的高度關注。
車輛檢測是無人駕駛感知系統的關鍵環節，大多數的交通事故發生在車車之間，傳統的二維車輛識別技術僅能提供方位信息，并不能滿足無人駕駛系統對車輛檢測的需求，車輛的空間位置、速度等因素對后期的控制決策起到極為重要的作用。
因此，需要激光雷達等傳感器提供三維點云信息、融合處理三維點云信息以及二維圖像信息成為車輛檢測的關鍵技術。目前，深度學習已被證明是目標檢測中最為有效的方法，卷積神經網絡(Convolutional Neural Networks，CNN)[1-2]更是在圖像處理領域中得到了廣泛的應用，例如圖像的分類、檢測、分割等。
但是CNN也存在一些明顯的問題，最為突出的就是要對海量數據進行大量卷積運算需要消耗較大的計算量，為了提高目標檢測的速度，近些年部分學者又提出了Fast RCNN[3]和空間金字塔網絡(Spatial Pyramid Pooling Net)[4]，在Fast RCNN中，僅在整幅圖像中進行一次卷積操作，其比R-CNN[5]通過共享卷積層來說提高了運算效率。Fast RCNN已經實現了分別在訓練和測試階段的加速。
為了進一步提升速度，其他的深度神經網絡模型也被提出，SSD[6]采用了一個CNN網絡來檢測，不過其使用了多尺度特征圖，并設置了先驗框。SSD借鑒了Fast R-CNN的錨點方法，對每一個候選單元設置不同大小的檢測框，取得了較好的檢測效果。YOLO[7]是另外一種快速單階段目標檢測方法，與R-CNN類型的模型有著明顯的不同，不再是將目標檢測視為分類問題，而是作為一種回歸問題，可以直接從圖像得到目標邊界框以及類別的判斷。
YOLO擁有非常快的速度優勢，并且是直接在圖像中進行訓練，這使得其自然包含有目標的上下文信息。YOLO模型相比于R-CNN模型有著較大的速度優勢，但是精度上則不及大多主流的深度網絡模型。
三維車輛檢測可以提供更多的目標信息，目前已有少量研究成果發表，把這些方法分為3類：(1)基于前景視角圖像的方法，通過單幅RGB圖像和形狀或遮擋樣式來推斷目標三維邊界框[8]。利用深度數據集合CNN網絡來對二維目標檢測的結果三維化[9]。(2)基于鳥瞰圖的方法，MV3D[10]將LIDAR點云投射到鳥瞰圖并采用RPN[11]網絡來預測目標三維邊界框，但是該方法在檢測小物體時存在較大誤差，例如行人以及自行車都不是很準確。(3)基于3D點云的方法，通過支持向量機(Support Vector Machine，SVM)從點云數據中提取幾何特征，最后使用滑動窗口實現三維目標檢測[12]。將整個場景的點云轉換為體積網格，并使用3D-CNN網絡進行目標特征提取和檢測。該方法使用到了3D卷積，其計算量十分龐大[13]。
本文采用了直接處理點云數據的PointNet網絡[14]，該網絡結構簡單，但是卻可以高效處理點云數據。同時，本文設計了一種基于深度點云網絡的目標檢測方法，先采用卷積神經網絡快速、準確地檢測車輛候選區域，再采用PointNet網絡實現三維實例分割，利用逐層級聯的拒絕分類器(Cascaded Rejection Classifiers，CRC)和與輸入大小有關的池化層(Scale Dependent Pooling，SDP)來提高目標車輛的檢測結果。
2 激光雷達與點云數據
激光雷達屬于光電技術，會向周圍物體發射激光束，再接受反射的光，通過反射的時間差得到物體的距離信息。激光雷達得到距離信息后再結合發射的角度，由空間幾何原理來推測到物體的位置與形狀。這個過程中，激光幾乎不受到環境因素的干擾，激光雷達的工作范圍可達100 m以上。
激光雷達采用激光射線而非無線電雷達的電磁波，因此擁有更短的波長，對于獲取目標的距離以及形狀都會有更大的優勢，精度可以達到厘米級。激光雷達通常包括3部分：(1)激光發射器。(2)掃描與光學部件，可感知距離、時間以及角度信息。(3)感光部件，用來檢測反射光的光強。
現有的無人駕駛車輛中已廣泛安裝了激光雷達，在車輛行駛的過程中，激光雷達會按照恒定的角速度進行勻速轉動并發射激光，會獲得360°全角度的環境信息，繼而可由距離、時間以及角度三者信息再加上激光雷達的位置信息，推導出反射點的三維坐標。激光雷達旋轉360°獲得的反射點坐標集合就叫點云，工作原理如圖1所示。激光雷達距離傳感器可以比普通攝像機更直接地得到三維信息，可以在識別分類的過程中提供三維形狀的信息。
但是激光雷達所形成的三維點云一般都比較稀疏，空間的分辨率有限，所以缺乏目標的外觀與紋理信息。本文結合二維視覺目標檢測以及三維空間定位的各自優勢，先利用RGB圖像檢測網絡對目標進行候選估計，再利用點云網絡對候選區域處理，最終完成三維車輛檢測任務。
作者：王鵬 葉子豪 孫銳
