基于先验信息的复杂飞机维修场景三维目标检测方法

针对复杂飞机维修场景下三维目标检测任务面临的计算复杂度高、实时性不足的问题，提出一种融合视觉相机与激光雷达数据并基于先验信息的三维目标检测方法。首先，对相机和激光雷达进行参数标定，对激光雷达采集的点云进行预处理获取有效三维点云，通过YOLOv7算法来识别相机图像中的飞机机体目标。然后，根据待测目标的先验长度基于EPnP（Efficient Perspective-n-Point）方法计算出目标深度。最后，利用深度信息与点云聚类方法完成三维目标检测，并识别障碍物。实验结果表明，所提方法能从环境点云中精确检测出目标，算法的识别准确率为94.70%，处理1帧数据的时长为42.96 ms，在识别准确度和实时性上均表现出良好的性能，能满足飞机移动过程的碰撞风险检测需求。