基于多级特征融合的体素三维目标检测网络

作     者：张吴冉 胡春燕 陈泽来 李菲菲 ZHANG Wu-ran;HU Chun-yan;CHEN Ze-lai;LI Fei-fei

作者机构：上海理工大学光电信息与计算机工程学院上海200093 上海理工大学医疗器械与食品学院上海200093 

基　　金：上海市高校特聘教授(东方学者)岗位计划(ES2015XX) 

出 版 物：《包装工程》 (Packaging Engineering)

年 卷 期：2022年第43卷第15期

页      码：42-53页

摘      要：目的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。方法以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。结果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%。结论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。

主 题 词：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 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.19554/j.cnki.1001-3563.2022.15.005

馆 藏 号：203114106...