计算机辅助设计与图形学学报

作者：鲁斌, 孙洋, 杨振宇

关键词：3D目标检测, 激光雷达点云, 多尺度稀疏空间特征聚合, 分层激励

针对目前基于点云的3D目标检测中单阶段体素法存在感受野固定、特征尺度单一, 导致模型对点云特征学习不够充分、模型检测效果存在瓶颈等问题, 提出了一种可端对端训练的基于体素的单阶段3D目标检测模型. 首先, 利用多尺度稀疏空间特征聚合模块, 聚合点云在不同稀疏空间尺度上的特征, 使特征充分保留点云的空间信息; 然后, 对特征进行分层激励, 通过多尺度感受野对特征进行分层学习, 强化特征的表达能力, 降低噪声信息对检测结果的影响; 最后, 将特征输入检测头进行候选框的分类和回归. 在公开的自动驾驶数据集KITTI上与主流单阶段3D目标检测模型进行了对比实验, 包含对3类目标共9个的难度等级目标的检测. 所提模型在其中5个等级中的平均准确率有明显提升, 尤其对点云稀疏的目标, 表现出较好的检测效果. 实验结果表明, 所提模型能够充分提取点云空间信息并有效地学习点云多尺度特征.

来源：2024年第5期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第5期