期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合动态加权图卷积的三维目标检测
被引量：
1
1
作者
李宗民
戎光彩
+2 位作者
白云
徐畅
鲜世洋
《计算机科学》
北大核心
2025年第3期104-111,共8页
三维目标检测是自动驾驶中最关键的技术之一,基于激光雷达的三维目标检测通常在点云构建的场景中进行。目前的三维检测方法不能充分地利用点云的结构信息,这将导致目标物体的误检和漏检。为此,提出了基于动态加权图卷积的DEG R-CNN。首...
三维目标检测是自动驾驶中最关键的技术之一,基于激光雷达的三维目标检测通常在点云构建的场景中进行。目前的三维检测方法不能充分地利用点云的结构信息,这将导致目标物体的误检和漏检。为此,提出了基于动态加权图卷积的DEG R-CNN。首先,在RoI中对节点设置主邻点和次邻点,为目标物体构建点云的图结构,恢复物体的几何信息;然后,在图中利用Gaussian函数和一维卷积,高效地聚合点云的结构特征;最后,使用交叉注意力机制自适应地融合不同粒度的图像特征,为点云补充图像语义信息。在KITTI数据集上进行实验,验证了各个模块的有效性,三维目标检测的3D mAP达到88.80%,相比基线模型提高了1.22%。同时,对三维目标检测的结果进行了可视化,并对可视化结果进行了分析。
展开更多
关键词
点云
三维目标检测
激光雷达
多模态融合
自动驾驶
在线阅读
下载PDF
职称材料
面向点云理解的双邻域图卷积方法
2
作者
李宗民
徐畅
+2 位作者
白云
鲜世洋
戎光彩
《浙江大学学报(工学版)》
北大核心
2025年第5期879-889,共11页
针对现有方法对局部点云结构建模时空间跨度有限以及传统特征聚合方法造成一定信息损失的问题,提出双邻域图卷积网络(DNGCN).在原始点云中增加角度先验,以增强对点云局部几何结构的理解,捕捉局部细节.对原始邻域进行扩展,在局域内设计...
针对现有方法对局部点云结构建模时空间跨度有限以及传统特征聚合方法造成一定信息损失的问题,提出双邻域图卷积网络(DNGCN).在原始点云中增加角度先验,以增强对点云局部几何结构的理解,捕捉局部细节.对原始邻域进行扩展,在局域内设计双邻域图卷积,通过集成高斯自适应聚合,在提取较大感受野范围内显著特征的同时,充分保留原始邻域信息.通过局部-全局信息交互来增大局部点的空间跨度,捕获远距离依赖关系.本文方法在分类数据集ModelNet40和ScanObjectNN上分别取得了94.1%、89.6%的总体精度,与其他先进算法相比有显著提升,较DGCNN分别提升了1.2%、11.5%.在部件分割数据集ShapeNetPart和语义分割数据集ScanNetv2、S3DIS上均获得优秀的性能,平均交并比分别为86.7%、74.9%和69.8%.通过大量的实验,证明了该模型的有效性.
展开更多
关键词
点云特征
图卷积网络
几何增强
局部全局交互
注意力机制
在线阅读
下载PDF
职称材料
全局形状关系约束的点云三维目标检测方法
3
作者
鲜世洋
李宗民
+5 位作者
公绪超
徐畅
张鹏
王文超
白云
戎光彩
《计算机工程与应用》
北大核心
2025年第18期132-141,共10页
基于投票的方法在室内三维目标检测任务中展现出巨大的潜力,其中投票直接决定了检测结果的质量。然而位于物体空间重叠处的种子点容易出现错误投票的问题,即映射到错误目标物体中心附近。鉴于这些种子点在几何表面上通常是连续的,引入...
基于投票的方法在室内三维目标检测任务中展现出巨大的潜力,其中投票直接决定了检测结果的质量。然而位于物体空间重叠处的种子点容易出现错误投票的问题,即映射到错误目标物体中心附近。鉴于这些种子点在几何表面上通常是连续的,引入形状关系来改善这一问题。具体来说,提出了形状关系提取模块,通过构建二维流形并基于流形上的欧氏距离来表征形状关系,然后通过矩阵乘法实现形状关系对点云的约束。为了获取几何表面连续性信息,设计了二叉树Transformer模块。经过形状关系约束后的点云,通过优化的Transformer网络捕获全局上下文,从而学习到物体的表面结构。采用ScanNet和SUN RGB-D数据集进行对比实验,结果表明文中算法在mAP@0.25指标上分别达到65.1%和62.7%,相较于基线方法分别有6.5和5个百分点的提升,对比目前最优方法分别提高了0.6和1.1个百分点。
展开更多
关键词
三维目标检测
点云
流形学习
TRANSFORMER
形状关系
在线阅读
下载PDF
职称材料
题名
融合动态加权图卷积的三维目标检测
被引量：
1
1
作者
李宗民
戎光彩
白云
徐畅
鲜世洋
机构
中国石油大学(华东)青岛软件学院、计算机科学与技术学院
出处
《计算机科学》
北大核心
2025年第3期104-111,共8页
基金
国家重点研发计划(2019YFF0301800)
国家自然科学基金(61379106)
山东省自然科学基金(ZR2013FM036,ZR2015FM011)。
文摘
三维目标检测是自动驾驶中最关键的技术之一,基于激光雷达的三维目标检测通常在点云构建的场景中进行。目前的三维检测方法不能充分地利用点云的结构信息,这将导致目标物体的误检和漏检。为此,提出了基于动态加权图卷积的DEG R-CNN。首先,在RoI中对节点设置主邻点和次邻点,为目标物体构建点云的图结构,恢复物体的几何信息;然后,在图中利用Gaussian函数和一维卷积,高效地聚合点云的结构特征;最后,使用交叉注意力机制自适应地融合不同粒度的图像特征,为点云补充图像语义信息。在KITTI数据集上进行实验,验证了各个模块的有效性,三维目标检测的3D mAP达到88.80%,相比基线模型提高了1.22%。同时,对三维目标检测的结果进行了可视化,并对可视化结果进行了分析。
关键词
点云
三维目标检测
激光雷达
多模态融合
自动驾驶
Keywords
Point clouds
3D object detection
LiDAR
Multimodal fusion
Automatic driving
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
面向点云理解的双邻域图卷积方法
2
作者
李宗民
徐畅
白云
鲜世洋
戎光彩
机构
中国石油大学(华东)青岛软件学院计算机科学与技术学院
青岛滨海学院信息工程学院
出处
《浙江大学学报(工学版)》
北大核心
2025年第5期879-889,共11页
基金
国家重点研发计划资助项目(2019YFF0301800)
国家自然科学基金:资助项目(61379106)
山东省自然科学基金:资助项目(ZR2013FM036,ZR2015FM011)。
文摘
针对现有方法对局部点云结构建模时空间跨度有限以及传统特征聚合方法造成一定信息损失的问题,提出双邻域图卷积网络(DNGCN).在原始点云中增加角度先验,以增强对点云局部几何结构的理解,捕捉局部细节.对原始邻域进行扩展,在局域内设计双邻域图卷积,通过集成高斯自适应聚合,在提取较大感受野范围内显著特征的同时,充分保留原始邻域信息.通过局部-全局信息交互来增大局部点的空间跨度,捕获远距离依赖关系.本文方法在分类数据集ModelNet40和ScanObjectNN上分别取得了94.1%、89.6%的总体精度,与其他先进算法相比有显著提升,较DGCNN分别提升了1.2%、11.5%.在部件分割数据集ShapeNetPart和语义分割数据集ScanNetv2、S3DIS上均获得优秀的性能,平均交并比分别为86.7%、74.9%和69.8%.通过大量的实验,证明了该模型的有效性.
关键词
点云特征
图卷积网络
几何增强
局部全局交互
注意力机制
Keywords
point cloud feature
graph convolution network
geometric enhancement
local-global interaction
attention mechanism
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
全局形状关系约束的点云三维目标检测方法
3
作者
鲜世洋
李宗民
公绪超
徐畅
张鹏
王文超
白云
戎光彩
机构
中国石油大学(华东)青岛软件学院、计算机科学与技术学院
中国石化集团胜利石油管理局
出处
《计算机工程与应用》
北大核心
2025年第18期132-141,共10页
基金
国家重点研发计划(2019YFF0301800)
国家自然科学基金(61379106,62207011)
+1 种基金
山东省自然科学基金(ZR2013FM036,ZR2015FM011)
中石化博士后科研基金(YKB2411)。
文摘
基于投票的方法在室内三维目标检测任务中展现出巨大的潜力,其中投票直接决定了检测结果的质量。然而位于物体空间重叠处的种子点容易出现错误投票的问题,即映射到错误目标物体中心附近。鉴于这些种子点在几何表面上通常是连续的,引入形状关系来改善这一问题。具体来说,提出了形状关系提取模块,通过构建二维流形并基于流形上的欧氏距离来表征形状关系,然后通过矩阵乘法实现形状关系对点云的约束。为了获取几何表面连续性信息,设计了二叉树Transformer模块。经过形状关系约束后的点云,通过优化的Transformer网络捕获全局上下文,从而学习到物体的表面结构。采用ScanNet和SUN RGB-D数据集进行对比实验,结果表明文中算法在mAP@0.25指标上分别达到65.1%和62.7%,相较于基线方法分别有6.5和5个百分点的提升,对比目前最优方法分别提高了0.6和1.1个百分点。
关键词
三维目标检测
点云
流形学习
TRANSFORMER
形状关系
Keywords
3D object detection
point cloud
manifold learning
Transformer
shape relation
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合动态加权图卷积的三维目标检测
李宗民
戎光彩
白云
徐畅
鲜世洋
《计算机科学》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
面向点云理解的双邻域图卷积方法
李宗民
徐畅
白云
鲜世洋
戎光彩
《浙江大学学报(工学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
全局形状关系约束的点云三维目标检测方法
鲜世洋
李宗民
公绪超
徐畅
张鹏
王文超
白云
戎光彩
《计算机工程与应用》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
