基于多级特征融合的体素三维目标检测网络
2022-08-23张吴冉胡春燕陈泽来李菲菲
包装工程 2022年15期
张吴冉,胡春燕,陈泽来,李菲菲
基于多级特征融合的体素三维目标检测网络
张吴冉a,胡春燕a,陈泽来a,李菲菲b
(上海理工大学 a.光电信息与计算机工程学院 b.医疗器械与食品学院,上海 200093)
为精确分析点云场景中待测目标的位置和类别信息,提出一种基于多级特征融合的体素三维目标检测网络。以2阶段检测算法Voxel−RCNN作为基线模型,在检测一阶段,增加稀疏特征残差密集融合模块,由浅入深地对逐级特征进行传播和复用,实现三维特征充分的交互融合。在二维主干模块中增加残差轻量化高效通道注意力机制,显式增强通道特征。提出多级特征及多尺度核自适应融合模块,自适应地提取各级特征的关系权重,以加权方式实现特征的强融合。在检测二阶段,设计三重特征融合策略,基于曼哈顿距离搜索算法聚合邻域特征,并嵌入深度融合模块和CTFFM融合模块提升格点特征质量。实验于自动驾驶数据集KITTI中进行模拟测试,相较于基线网络,在3种难度等级下,一阶段检测模型的行人3D平均精度提升了3.97%,二阶段检测模型的骑行者3D平均精度提升了3.37%。结果证明文中方法能够显著提升目标检测性能,且各模块具有较好的移植性,可灵活嵌入到体素类三维检测模型中,带来相应的效果提升。
三维目标检测;残差融合;自适应融合;特征增强;三重特征融合
随着无人驾驶、室内移动机器人等技术的发展,大量研究人员开始关注三维目标检测领域。基于三维目标检测可获取目标物体类别、位置、三维尺寸及姿态等更加详细的信息,借助检测结果可实现对周围环境的精确感知,保证设备安全运行。……
登录APP查看全文
