自动驾驶系统进阶与项目实战(三)基于全卷积神经网络的点云三维目标检测和ROS实战
前面入门系列的文章中我介绍了几种点云三维分割/目标检测模型,在做点云预处理上,有通过球面投射(SqueezeNet)得到深度图的,也有采用Voxel网格的(VoxelNet),本文我们一起学习一下百度开源的cnn_seg点云三维语义分割神经网络,该模型被集成于Apollo的perception模块,并且自Apollo 3.0开始一直是Apollo体系下用于障碍物检测的主力模型,在Apollo 5.0以后甚至release出了128线的模型。本文我们将基于ROS进行该网络的实践,该网络由于采用了百度自身的大规模数据集训练得到,其性能(分类鲁棒性、边缘拟合度)远胜于我们前面介绍的使用KITTI数据集训练的神经网络,但是该神经网络对GPU性能要求较高,需要GTX1080及以上的显卡才能够维持10Hz的inference频率;
项目源代码以及测试数据见文末链接,本实例修改自Apollo Perception模块以及Autoware的