基于三维点云的深度学习路面异物检测方法

简介：
本研究提出了一种基于三维点云数据的深度学习模型，用于自动检测道路环境中的异物。通过分析车辆传感器采集的数据，该系统能够有效识别潜在危险物体，提高行车安全性。 本段落针对采机场跑道异物（FOD, Foreign Object Debris）检测问题设计了一套基于智能车载3D相机采集路面信息并进行异物检测的系统。该系统首先利用深度图像中深度量化值分布差异初步筛除正常路面，然后通过点云异常值过滤与不均匀降样算法对参数进行校正和数据量缩减。经过精简后的点云使用了适应于路面数据改进的网络来进行异物检测。此网络采用了PointCNN中的X卷积方法，在四次卷积过程中提取空间特征，并尽可能保留目标的空间信息，从而提高检测准确度。实验表明，该系统能够有效识别出跑道上的异物和非平整区域，其准确性接近90%。