【目的】环境感知是无人驾驶技术中的核心任务之一,高精度目标检测对于保障自动驾驶系统的安全性与稳定性具有重要意义。近年来,激光雷达(light detection and ranging,LiDAR)作为三维环境感知的关键传感器,凭借不受光照条件影响、测距...【目的】环境感知是无人驾驶技术中的核心任务之一,高精度目标检测对于保障自动驾驶系统的安全性与稳定性具有重要意义。近年来,激光雷达(light detection and ranging,LiDAR)作为三维环境感知的关键传感器,凭借不受光照条件影响、测距精度高等优势,在无人驾驶领域得到了广泛应用。【方法】本文首先回顾了传统基于相机的目标检测方法,并分析了其在复杂环境条件下的局限性;随后系统介绍了LiDAR的发展历程、工作原理、主要类型及关键参数,并对基于点云表示、体素表示以及多传感器融合策略的目标检测方法进行了综述。针对不同方法的网络结构特点、性能优势及面临的挑战进行了对比分析,并结合KITTI检测集的实验结果对相关算法进行了量化性能评估。此外,本文还介绍了基于鸟瞰图(bird′s eye view,BEV)视角的感知框架及多传感器融合的发展趋势,分析了现有算法在检测精度、实时性和环境适应性之间的权衡关系。【结果】总结了LiDAR目标检测方法的主要优势,并针对点云数据稀疏性、计算开销较大以及多模态融合复杂性等关键瓶颈问题,提出了未来研究的重点方向。【结论】持续优化算法与硬件,可提升复杂场景下LiDAR目标检测的精度、鲁棒性与实用性。展开更多
