摘要：针对点云体素化的三维目标检测方法中点云的特征提取能力不足的问题,将三维目标检测方法SECOND作为基准网络,提出一种采用稀疏3D卷积的单阶段点云三维目标检测(Reinforced SECOND)方法。首先,改进点云分组方式形成鲁棒的抽离体素特征的体素特征编码网络;其次,为增强体素中对检测任务有显著贡献的关键特征,同时抑制不相关噪声特征,把堆叠三重注意力机制引入体素特征编码网络;然后,提出残差稀疏卷积单元,设计了残差稀疏卷积中间网络,提高了该网络层的特征提取能力,保留了更多的原始特征信息;最后,把提出的空间语义特征融合(SSFF)模块引入区域建议网络,自适应地融合低级空间特征和高级抽象语义特征,进一步提高了模型特征的表达能力。在KITTI开源数据集上的实验结果表明:与之前许多基于网格及基于点的方法相比,所提方法显著提高了三维目标检测性能;与基准网络相比,采用所提方法对KITTI测试集car类和cyclist类进行检测,中等难度级别下的3D检测精度分别提高了5.85%和8.9%,困难难度级别下的3D检测精度分别提高了8.54%和8.53%。

摘要：1引言随着三维技术的广泛应用,航天、航空等复杂装备制造行业逐渐引入三维模型协同设计,产生了大量的三维模型。对企业而言,对三维模型进行简单地分类是不够的,关键是要处理好三维模型的收集、整合、归档、利用及再提炼这样一个归档管理过程。三维模型的归档管理是指在一定的制度框架下,对三维模型进行前端控制和全过程管理,确保其具有真实性、完整性和有效性[1]。