目的在无人驾驶项目开发中测试了几种目标检测算法模型。 使用的数据为早腾聚餐32线激光雷达采集的点云，使用的显卡为RTX2060，采集地点为停车场和道路环境。
1 PointPillars使用的PointPillars模型来自Autoware的github仓库，测试结果如下图所示。 模型使用预训练权重，笔者自己没有进行训练。 测试效果不理想，很多车检测不到，但检测到往往姿态不佳，且跳动剧烈，用于计划模块时优化。 PointPillars模式百度Apollo也在使用中，通过C和CUDA语言实现，代码量在4000行左右。 笔者测试的版本为原版，只能检测车辆，不包括行人和非机动车。 PointPillars的优点是速度快，即使以3倍速度播放数据也能顺利检测。
2快腾聚餐感知算法采用模型来自快腾聚餐，具体使用算法和模型结构未知，也找不到介绍。 检测效果好，测试结果如下图所示，即使是点云稀疏的车也几乎可以检测到。 同样测试了检测距离，在平地上，检测汽车最远的距离达到80米，检测行人的距离在30米左右，这对32线雷达来说是个好成绩。
这是算法的USB加密密钥。
下图是道路环境下的测试。
3然后测试更多的模型