基于深度霍夫优化投票的三维时敏单目标跟踪

摘要：

针对三维点云时敏单目标跟踪问题,提出了一种基于深度霍夫优化投票的深度学习算法.首先,采用PointNet++网络分别从模板点云和搜索点云中计算种子点、提取几何特征,并通过面向目标的特征提取方法将目标模板信息编码到搜索区域中.其次,通过种子点投票计算并筛选出具有高置信度的潜在目标中心.最后,通过目标中心点的采样、聚集产生多个提议,选取具有最高得分的提议生成三维目标框.该算法能够有效避免耗时的三维全局搜索,且对点云的无序性、不规则性和稀疏性保持鲁棒.为了验证该网络的有效性,在公共数据集KITTI上进行测试.实验结果表明,该网络相较于当前最好的基于三维点云的方法,准确度提高了约10％,并可以在单个NVIDIA2080 S图形处理器上以43.5 FPS运行.

关键词：时敏目标、单目标、目标跟踪、点云数据、霍夫投票、深度学习、人工智能

所属期刊栏目：29

分类号：TJ760;TN911.73(火箭、导弹)

在线出版日期：2022-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：45-51