摘要：为解决点云三维目标检测算法中单阶段网络与双阶段网络在检测精度和检测效率之间难以平衡的问题,提出一种基于点云体素的伪双阶段三维目标检测网络—AFPNet。构建轻量化的中心热图模块预测目标中心点,去除传统区域建议网络中的锚框设置与非极大值抑制操作。为更好地利用多尺度体素特征,设计了AFP-Cross-Attention模块,通过设计的自适应特征池化(AFP)方法,在多尺度体素中提取高价值特征并进行交叉注意力计算,与全局注意力相比有效减少了计算量。基于AFP方法搭建了AFP-Transformer检测头,建模查询特征与高价值特征的依赖关系,提升网络精度。实验结果表明:在KITTI数据集上,所提方法在3种主要目标类别的平均精度均值(mAP)方面相较基准方法分别提升了1.43%、5.23%和4.41%,平均每帧推理时间为34.19 ms,有效缩短了单阶段和双阶段网络之间的精度差距,保留了良好的检测效率。

摘要：受到场景的复杂性和目标尺度变化、遮挡等影响,三维目标检测仍面临着诸多挑战.虽然跨模态特征融合图像和激光点云信息能够有效地提升三维目标检测性能,但在融合效果和检测性能上仍有待提升,为此,提出图像语义特征引导与点云跨模态融合的三维目标检测方法.首先设计图像语义特征学习网络,采用双分支自注意力并行计算方式,实现全局语义特征增强,降低目标错误分类;然后提出图像语义特征引导的局部融合模块,采用元素级数据拼接将检索的图像局部语义特征引导融合点云数据,更好地解决跨模态信息融合存在的语义对齐问题;提出多尺度再融合网络,设计融合特征与激光雷达点云交互模块,学习融合特征和不同分辨率特征间的再融合,提高网络的检测性能;最后采用4种任务损失实现anchor-free的三维目标检测.在KITTI和nuScenes数据集中与其他方法进行对比,针对三维目标检测准确率达87.15%,并且实验结果表明,文中方法优于对比方法,具有更优的三维检测性能.

摘要：结合MEMS激光雷达和红外相机的优势,设计了一种简单轻量、易于扩展、易于部署的可分离融合感知系统实现三维目标检测任务,将激光雷达和红外相机分别设置成独立的分支,两者不仅能独立工作也能融合工作,提升了模型的部署能力。模型使用鸟瞰图空间作为两种不同模态的统一表示,相机分支和雷达分支分别将二维空间和三维空间统一到鸟瞰图空间下,融合分支使用门控注意力融合机制将来自不同分支的特征进行融合。通过实际场景测试验证了算法的有效性。

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：针对变电站三维场景中目标特征提取不充分引起的检测精度低的问题,提出一种基于体素化的变电站场景三维目标检测模型AugSecond。该模型基于Second网络结构设计,在体素特征编码阶段引入三重注意力机制,关注多维注意力以增强目标关键信息,降低无关特征信息干扰;设计非对称稀疏卷积网络,使用非对称卷积提高卷积核表征能力,并融合多尺度特征以丰富目标几何信息;同时对位置回归损失进行优化,使用CIoU Loss进一步考虑包围框之间的几何相关性以加快网络收敛速度。在自建电力场景数据集和公开数据集实验表明,相比基准模型,Aug-Second模型显著提升识别精度并具备实时性推理速度,证明了所提模型的有效性。

摘要：在变电站三维场景中,对巡检人员和带电设备的精确定位与识别是提高人员安全管控水平的前提。针对变电站复杂场景中目标定位与识别不准的问题,提出了一种基于图神经网络的变电站场景三维目标检测方法。该方法基于point-GNN结构设计,在顶点特征提取阶段,提出PCS(point-channel-sphere)注意力结构,提取更加丰富的关键点特征信息;在GNN边缘特征聚合阶段,采用统筹性池化机制,兼顾最大池化和均值池化从而获取更丰富的全局特征;改进模型损失函数,将Focal Loss作为分类损失使训练更加关注前景点,将DIoU Loss作为回归损失使回归任务更高效。在自建的变电站场景数据集上进行训练与测试,实验表明该方法 mAP值达到73.81%,优于基准模型,能够改善变电站场景中目标的检测效果,对提高人员安全管控水平具有一定的实用价值。

摘要：针对现有单阶段三维目标检测算法对点云下采样特征利用方式单一、特征对长程上下文信息的聚合程度无法满足算法性能提升需求的问题,本文提出了基于多通道交叉注意力融合的单阶段三维目标检测算法。首先,设计通道交叉注意力模块用于融合下采样特征,可基于交叉注意力机制在通道层面上增强多尺度特征对不同感受野下长程空间信息的表达能力;然后,提出级联特征激励模块,结合原始下采样特征对通道交叉注意力加权特征进行级联激励,提升算法对关键空间特征的学习能力。在公共自动驾驶数据集KITTI上进行了大量实验并与主流算法对比,本文算法作为单阶段目标检测算法,在车辆类别3个难度级别上的检测准确率分别为91.34%、79.85%和75.98%,较基线算法分别提升了4.83%、3.26%和3.32%。实验结果证明了本文算法及所提模块在三维目标检测任务上的有效性和先进性。

摘要：为解决路侧点云目标检测任务中复杂场景下远距离车辆漏检率高和道路行人误检率高等问题,提出一种改进PointPillars和Transformer的路侧两阶段三维目标检测算法。算法的第一阶段基于PointPillars设计:骨干网络嵌入SimAM注意力机制学习相似性信息以关注重要特征,替换下采样部分的普通卷积块为带有残差结构的卷积块以提高网络性能。第二阶段基于Transformer对第一阶段生成的候选框进行细化:编码器构建原始点特征进行编码,解码器利用通道加权增强通道信息,提高检测精度,改善误检问题。为验证所提算法的性能,在路侧数据集DAIR-V2X-I和车端数据集KITTI上进行实验。实验结果表明,所提算法相比其他公开算法检测准确率明显提升,同基准算法PointPillars相比,在moderate检测难度下,对DAIR-V2X-I数据集中汽车、行人、骑行者的检测准确率分别提高1.9百分点、10.5百分点、2.11百分点,KITTI数据集中汽车、行人、骑行者的检测准确率分别提高2.34百分点、4.73百分点、8.17百分点。

摘要：在自动驾驶场景下的3D目标检测任务中,探索毫米波雷达数据作为RGB图像输入的补充正成为多模态融合的新兴趋势。然而,现有的毫米波雷达-相机融合方法高度依赖于相机的一阶段检测结果,导致整体性能不够理想。本文提供了一种不依赖于相机检测结果的鸟瞰图下双向融合方法(BEV-radar)。对于来自不同域的两个模态的特征,BEV-radar设计了一个双向的基于注意力的融合策略。具体地,以基于BEV的3D目标检测方法为基础,我们的方法使用双向转换器嵌入来自两种模态的信息,并根据后续的卷积块强制执行局部空间关系。嵌入特征后,BEV特征在3D对象预测头中解码。我们在nu Scenes数据集上评估了我们的方法,实现了48.2 m AP和57.6 NDS。结果显示,与仅使用相机的基础模型相比,不仅在精度上有所提升,特别地,速度预测误差项有了相当大的改进。代码开源于https://***/Etah0409/BEV-Radar。

摘要：随着计算机视觉技术的发展,基于点云的三维目标检测算法被广泛应用于自动驾驶、机器人控制等领域。针对点云稀疏条件下基于点云三维目标检测算法鲁棒性较差、检测精度低的问题,提出基于稀疏Transformer的三维目标检测算法。在注意力矩阵生成阶段,通过稀疏Transformer模块显式选择Top-t个权重元素,以保留有利于特征提取的权重元素,在降低环境噪点对鲁棒性影响的同时加快Transformer模块的运行速度。在回归阶段,将基于空间特征粗回归模块生成的边界框作为检测头模块的初始锚框,用于后续边界框的精细回归操作。设计基于体素的三维目标检测算法的损失函数,以精确地衡量类别损失、位置回归损失和方向损失。在KITTI数据集上的实验结果表明,相比PointPillars算法,该算法的平均精度均值提高3.46%,能有效提高点云三维目标的检测精度且具有较优的鲁棒性。相比原始Transformer模块,所提稀疏Transformer模块在点云图像上的平均运行速度加快了约0.54 frame/s。