10.3969/j.issn.1672-9722.2023.06.013
基于语义特征的3D点云室内目标检测
当前有许多关于点云目标检测的研究,但这些研究大多适用于室外环境.室内目标相对于室外目标的检测难点在于体积较小且细节较多.而点云数据具有稀疏性,不利于检测小型目标.为了提高室内目标的检测精度,提出了一种改进VoteNet的目标检测模型.首先,该模型添加了一个能有效提取语义特征的前置网络,通过将提取到的语义特征与几何特征进行融合,得到更有效的特征块用于目标检测.其次,通过在VoteNet投票簇生成阶段添加语义约束,一定程度上解决了VoteNet投票簇中点的语义非一致性问题.在公开数据集ScanNet上进行实验,实验证明改进模型在检测室内目标时获得了更高的检测精度.
3D点云、语义特征、室内目标检测、深度学习
51
TP391(计算技术、计算机技术)
国家自然科学基金;广西研究生教育创新计划项目
2023-10-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
1285-1290