Ziel der Objektdetektion ist es, statische/dynamische Objekte, die potentielle Hindernisse für das autonome Fahrzeug darstellen, zu detektieren. Die Objektdetektion besteht aus einem mehrstufigen Prozess, welcher durch folgende Varianten realisiert wurde: Zuerst wird optional die Bodenebene in der Punktewolke segmentiert und herausgefiltert.

Variante 1: Die Punktewolke wird in ein 2.5D OccupancyGrid projiziert und entsprechende Obstacle-Gridzellen durch ein Connected-Components-Algorithmus zu kohärenten Objekte extrahiert. Als letztes wird ein Bounding-Box Fit für jedes Objekt durchgeführt.

Variante 2: Hier wird die Punktwolke durch ein punktweises Labeling segmentiert (siehe Segmentierung). Anschließend werden die Objekte anhand des Labels extrahiert. Zum Schluss wird wieder ein Bounding-Box-Fit für jedes Objekt durchgeführt.