基于注意力机制的PointPillars+三维目标检测

TP391.4; 针对自动驾驶场景下的周边车辆及行人等目标的识别和定位问题,提出了一种基于注意力机制的PointPillars+三维目标检测算法.算法将完整空间按等尺寸柱均匀划分,从所有柱中提取内部点云的特征进而生成伪图;引入2种注意力机制,实现对伪图中特征信息的放大和抑制;使用卷积神经网络对注意力模块输出结果进一步处理,并使用SSD(single shot multibox detector)算法进行三维目标检测.结果表明:基于并行注意力机制的PointPillars+检测算法取得了良好的检测效果,相对于PointPillars算法,鸟瞰图下,平均均值精度(mAP)的中等难度均值(mAPm)...

Full description

Saved in:
Bibliographic Details
Published in江苏大学学报（自然科学版） Vol. 41; no. 3; pp. 268 - 273
Main Authors 詹为钦, 倪蓉蓉, 杨彪
Format Journal Article
LanguageChinese
Published 常州大学信息科学与工程学院,江苏常州,213164%常州纺织服装职业技术学院能源管理科,江苏常州,213164 01.05.2020
Subjects
三维目标
激光雷达
注意力机制
卷积神经网络
点云
Online AccessGet full text
ISSN1671-7775
DOI10.3969/j.issn.1671-7775.2020.03.004

Cover

More Information
Summary:TP391.4; 针对自动驾驶场景下的周边车辆及行人等目标的识别和定位问题,提出了一种基于注意力机制的PointPillars+三维目标检测算法.算法将完整空间按等尺寸柱均匀划分,从所有柱中提取内部点云的特征进而生成伪图;引入2种注意力机制,实现对伪图中特征信息的放大和抑制;使用卷积神经网络对注意力模块输出结果进一步处理,并使用SSD(single shot multibox detector)算法进行三维目标检测.结果表明:基于并行注意力机制的PointPillars+检测算法取得了良好的检测效果,相对于PointPillars算法,鸟瞰图下,平均均值精度(mAP)的中等难度均值(mAPm)从66.19增加到69.95,汽车的mAP从86.10增加到87.73;三维模式下,mAP m从59.20增加到62.55,汽车的mAP从74.99增加到76.25.
ISSN:1671-7775
DOI:10.3969/j.issn.1671-7775.2020.03.004