结合图采样和图注意力的3D目标检测方法

摘要：

在点云中进行三维目标检测时,小目标和复杂背景下目标的检测精度不足是突出的问题之一.针对该问题,提出了一种基于图采样和图注意力机制的3D点云目标检测方法.减小基准网络下采样体素大小以保持小目标的点云密度;引入图采样降低在点云中构造拓扑图的代价;通过对图采样前后的图分别嵌入自注意力机制,提高网络的特征提取能力.在KITTI数据集上与基准网络Point-GNN相比,对汽车目标在复杂场景上的检测精度提升了1.96％,对行人与骑行者目标在中等难度场景和复杂场景上的检测精度分别提升4.21％和2.57％;与Point-GNN相比,减少了15％的训练时间.实验结果表明,设计的方法对于3D点云中小目标和复杂背景下目标的检测更加有效,图采样方法还能够提升模型的训练效率.

关键词：点云、3D目标检测、图神经网络、图采样、图注意力机制

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61903256

在线出版日期：2023-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：237-244