张吴冉,李菲菲

(上海理工大学 光电信息与计算机工程学院,上海 200093)

相较于基于纯点云的处理方式,体柱(Pillars)编码方法可节省更多的运算空间,具备更快的计算速度。体柱化模块首先沿着X-Y坐标平面将点云均匀分割成柱体形式,然后对体柱内的点云进行随机采样,保留一定量的点云,最后使用PointNet网络逐点的特征抽象,并接入均值池化或最大池化获取体柱级特征表示。体柱特征生成后通过鸟瞰视角映射将体柱特征从三维空间映射到二维空间,由此转换为基于二维图像的处理过程。体柱规则模块在随机采样过程中会丢弃一些细节信息,影响检测效果。二维伪图特征提取网络将多尺度输出特征堆叠融合,不仅没有关注多尺度特征的相关性,还忽视了特征冗余导致的空间杂乱问题。针对以上诸多限制,借鉴文献[5～8],本文提出了一种新型基于注意力机制和上下文感知的三维目标检测网络。网络架构如图1所示。此网络具有3个核心模块:点云双向注意力机制、上下文感知模块以及注意力导向模块。

图1 三维检测网络结构Figure 1. The structure of 3D object detection network

1)点云双向注意力机制(Double Attention Mechanism,DAM)。在体柱编码模块中,增加联合空间注意力和通道注意力的点云双向注意力机制,通过分配权重的方式有辨别地凸显重要点数据,缓解背景点带来的干扰。

2)上下文感知模块(CAM)。通过增加特征金字塔[9]网络(FPN)对鸟瞰图进行多尺度特征处理,并在FPN结构上增加上下文感知模块,捕捉多比例上下文语义,为高维特征增加多尺度信息感知能力。……