文献类型：期刊文章

作　　者：车爱博[1] 张辉[2] 李晨[1] 王耀南[2]

CHE Ai-bo;ZHANG Hui;LI Chen;WANG Yao-nan(School of Electrical and Information Engineering,Changsha University of Science and Technology,Changsha 410114,China;School of Robotics,Hunan University,Changsha 410082,China)

机构地区：[1]长沙理工大学电气与信息工程学院,长沙410114 [2]湖南大学机器人学院,长沙410082

出　　处：《计算机科学》

年　　份：2022

卷　　号：49

期　　号：S02

起止页码：567-572

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、DOAJ、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

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 object 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  

分 类 号：TP391.41] U495[计算机类]