摘要
针对目前基于点云的三维目标检测算法存在精度与速度不足的问题,提出一种具有较好检测能力的三维目标检测算法,分别在特征提取网络与点云表现形式等方面提出新的解决方法.在三维稀疏卷积网络后加入双通道注意力,通过空间注意力与通道注意力更有效地学习到多尺度语义特征并生成更高质量的初始建议;使用点云和体素的混合表现形式以类似残差网络的结构组成类残差点云融合模块,进而构成集合抽象模块,加强点云对建议细化的影响力,提高检测精度,同时改进点云采样策略提高算法检测速度;在网络训练中,使用多种数据增强方式,提高网络泛化能力.在KITTI数据集上进行实验,结果表明:提出的三维目标检测算法,汽车检测精度为84.94 mAP,自行车检测精度为67.41 mAP,在检测速度上相较原始网络提高37％,具有较好的检测精度与速度.
基金项目
黑龙江省自然科学基金(LH2021F004)
黑龙江省高等教育教学改革重点委托项目(SJG220200037)
黑龙江省教育科学规划重点课题(GJB1421113)
东北石油大学研究生教育创新工程项目(JYCX_11_2020)
国家科技期刊平台
NSTL
万方数据