基于点云数据的交通环境下单阶段三维目标检测方法

摘要：

文中在CIA-SSD单阶段三维目标检测模型的基础上,将模型中空间语义特征融合方式进行改进,通过一种基于注意力机制的多通道融合模块对两特征进行融合,提出了单阶段检测方法TFAF-SSD(Two-Feature Attentional Fusion Single-Stage obj ect Detector),该方法主要由流形稀疏卷积网络提取点云的稀疏特征后,再由空间语义卷积层分别提取检测对象的空间语义特征,对融合后的输出特征进行预测,最后通过检测头输出最终的检测框.同时,文中还运用了不同于以往方法的数据增强方法,增强了模型的泛化性能,达到了提升检测精度的效果.在KITTI 3D公开数据集上进行了验证,在测试集中汽车检测方面得到了中等检测难度AP值为83.77％的检测结果,相比CIA-SSD模型的80.28％,所提方法提升了3.49％.

关键词：点云数据、三维目标检测、稀疏卷积、特征融合、数据增强、KITTI数据集

所属期刊栏目：49

分类号：TP183(自动化基础理论)

在线出版日期：2023-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：555-560