仪器仪表学报

作者：吴斌，王世杰，卢轶，饶静，吴凌昊

单位：吴斌,南京林业大学机械电子工程学院南京210037,wubin@njfu.edu.cn,王世杰,南京林业大学机械电子工程学院南京210037,,卢轶,南京林业大学机械电子工程学院南京210037,juliusx@163.com,饶静,北京航空航天大学仪器科学与光电工程学院北京100191,,吴凌昊,中国航发四川燃气涡轮研究院成都610500,

关键词：智能仓储;深度预测;BEV特征融合;目标检测

基金：江苏省现代农机装备与技术示范推广项目（NJ2023-16）、国家财政稳定支持项目（GJCZ-0202-2025-0004）资助

在人机混合智能仓库等动态环境中，AGV通常难以精确感知随机出现的人和叉车等障碍物，为仓库的高效、安全运行带来了隐患，故提出一种基于激光雷达与图像融合的轻量化的目标检测方法（L-BEVFusion）。首先，为构建相机图像的鸟瞰视图（BEV）特征，设计了一个轻量化的特征提取网络用于获取图像的2D信息，通过引入多尺度语义特征平衡单一尺度语义特征带来的定位偏差；其次，采用基于显式监督方法采用深度真值对其进行监督，实现将图像特征投影到3D空间中；然后，分别提取图像和点云特征的预测信息，基于BEV特征融合网络，利用通道维度级联图像与点云的BEV特征，对其进行目标边界框的回归和分类预测，从而实现对人机混合仓库中动态障碍物的检测；最后，利用KITTI数据集和仓库实地采集数据对所提算法进行评估。实验结果表明，在实地采集的人机混合仓库数据集上，L-BEVFusion方法与常见的点云图像融合方法相比较在工人类和叉车类的检测精度上分别提升了3.46%和2.22%，综合平均检测精度高了2.97%，在推理速度和检测尺寸精度上也表现更佳，其中法向距离平均误差为4.02mm，切向距离的平均绝对误差为1.75mm，提高了AGV检测的实时性和可靠性，保障了智能仓库物流的高效安全运转，具有较高的实际应用价值。

来源：2025年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第4期