GM-APDレーザーレーダーは単一光子検出感度を持ち、システムの体積と消費電力を大幅に削減しましたが、画素数の制限により遠距離の小さな対象の鮮明な輪郭を得ることが難しく、目標検出率が低いという課題があります。この問題に対し、強度像と距離像の多段階処理に基づく小目標深層学習検出アルゴリズムを提案し、強度画像と点群特徴情報および相互関連性を十分に活用して小目標検出確率を向上させました。特徴ピラミッドネットワークを改良し、受容野モジュールと注意機構モジュールを特徴抽出ネットワークと結合して強度像の初期スクリーニングの精度を強化し、候補領域内で強度像と距離像を融合し、強度情報を持つ四次元点群としました。その後、動的グラフ畳み込みネットワークを用いて候補領域内の目標を二次検出し、点群情報を利用して候補ボックス内の目標をさらにフィルタリングしました。GM-APDレーザーレーダーの遠距離車両データセットでのテストにより、ネットワークの検出精度は98.8％に達し、車体構造が不完全、車両エコーが弱い、背景に強い反射斑がある複雑なシナリオに対して高いロバスト性を示しました。SSDやYOLOv5などの先進的な目標検出ネットワークと比較して、それぞれ検出精度が3.1％および2.5％向上し、本アルゴリズムはレーザーレーダーによる弱小目標検出識別の実現可能なソリューションを提供します。

レーザーレーダー;目標検出;受容野;注意機構;動的グラフ畳み込みニューラルネットワーク