Para abordar o problema da baixa precisão na detecção tridimensional de veículos na percepção ambiental de sistemas de condução autônoma, foi proposto um algoritmo de detecção tridimensional de veículos baseado em LiDAR. A segmentação dos pontos do solo é realizada por meio de filtragem estatística e do algoritmo Random Sample Consensus (RANSAC), eliminando pontos redundantes e outliers dos dados LiDAR; a rede neural profunda 3DSSD foi aprimorada utilizando amostragem fundida para extrair informações semânticas e de distância dos veículos na nuvem de pontos; com base nas informações das características, a posição dos veículos é ajustada secundariamente para gerar pontos centrais, utilizando um distribuidor central tridimensional para combinar os pontos centrais e gerar caixas de detecção tridimensionais de veículos. O conjunto de dados KITTI foi dividido em diferentes cenários como dados experimentais, comparando vários algoritmos de detecção tridimensional de veículos. Os resultados experimentais mostram que o método proposto pode realizar a detecção tridimensional rápida e precisa de veículos, com tempo médio de detecção de 0,12 s e precisão máxima de detecção de até 89,72%.

LiDAR;percepção ambiental;sistemas de condução autônoma;detecção tridimensional