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
共找到318篇文章
< 1 2 … 16 >
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：
融合动态加权图卷积的三维目标检测
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
PillarTNet:基于Transformer的三维目标检测模型
2
作者 韩建栋 苏佳 《小型微型计算机系统》 北大核心 2025年第9期2168-2175,共8页
针对三维点云目标检测中传统的卷积神经网络在特征提取阶段因下采样导致分辨率降低,影响小目标的识别准确性问题,本文提出一种基于Transformer的三维目标检测模型:PillarTNet.该模型首先使用双重注意力融合模块强化特征编码,然后通过区... 针对三维点云目标检测中传统的卷积神经网络在特征提取阶段因下采样导致分辨率降低,影响小目标的识别准确性问题,本文提出一种基于Transformer的三维目标检测模型:PillarTNet.该模型首先使用双重注意力融合模块强化特征编码,然后通过区域扩张注意力模块提取特征,保持整个过程伪图像分辨率不变,更有利于小目标的检测,同时引入区域移位机制促进不同区域的信息交流.但是注意力操作会存在大量空体素,可能增加大目标的漏检与误检风险,为此,对检测头采用空体素关注模块以缓解这一问题.在KITTI数据集上的实验结果显示:PillarTNet在确保Car和Cyclist检测精度的同时,Pedestrian的检测在3个难度等级的AP 3D分别达到了62.48%、53.21%和49.57%,且本模型在推理速度和内存需求方面均表现出色,充分验证了PillarTNet的优越性和适应性. 展开更多
关键词 三维目标检测 点云 TRANSFORMER 双重注意力融合 空体素关注
在线阅读 下载PDF
基于体素的全稀疏三维目标检测器
3
作者 周伟典 洪濡 +1 位作者 盖绍彦 达飞鹏 《仪器仪表学报》 北大核心 2025年第5期242-250,共9页
针对目前基于体素的三维目标检测方法由于过于依赖密集二维骨干网络而导致在大范围点云感知上实时性不佳问题,提出了一种基于体素的全稀疏三维目标检测器VoxelFSD,有效提升在大范围点云上检测的实时性表现。该模型由3个关键部分组成:首... 针对目前基于体素的三维目标检测方法由于过于依赖密集二维骨干网络而导致在大范围点云感知上实时性不佳问题,提出了一种基于体素的全稀疏三维目标检测器VoxelFSD,有效提升在大范围点云上检测的实时性表现。该模型由3个关键部分组成:首先,并行卷积分支模块(PCB),扩大模型的感受野,充分提取物体特征,并且有效处理物体中心特征丢失对结果的影响;其次,稀疏候选框生成(SRPN)检测头,以稀疏的方式预测物体定位框,在点云模态下,相比密集预测方式能够减少冗余计算,从而提升模型在大范围点云预测中的计算效率;最后,注意力融合模块候选区域检测头(AFM-ROI),在二阶段检测中,利用交叉注意力机制有效融合提取的三维骨干特征和压缩后的鸟瞰图特征,进一步精炼物体特征,得到更好的检测效果。在现有基于体素检测框架上舍弃密集2D骨干,并引入PCB模块和SRPN检测头,提出了全稀疏结构的单阶段轻量级检测器VoxelFSD-S。VoxelFSD-S在速度和精度上相比现有基于体素的轻量化模型达到了更好的平衡,并且能够在大范围点云场景中满足实时性要求。在VoxelFSD-S基础上,进一步引入AFM-ROI提出了两阶段检测器VoxelFSD-T。VoxelFSD-T牺牲部分推理速度但能够显著提升模型精度。VoxelFSD-S和VoxelFSD-T在KITTI数据集测试集上精度分别达到77.67%和81.50%。 展开更多
关键词 三维目标检测 体素化 轻量化 交叉注意力 全稀疏检测器
在线阅读 下载PDF
基于稀疏自注意力图神经网络的三维目标检测
4
作者 彭志辰 封岸松 +2 位作者 王天柱 邵鑫喆 库涛 《计算机工程与应用》 北大核心 2025年第3期295-305,共11页
三维目标检测是自动驾驶环境感知中最重要的技术之一。为了解决远距离漏检问题,提升三维目标检测的效果,提出一种基于稀疏自注意力图神经网络的三维目标检测方法(SSA-GNN),在采样关键点阶段,提出动态区域并行采样法,通过采样区域过滤,... 三维目标检测是自动驾驶环境感知中最重要的技术之一。为了解决远距离漏检问题,提升三维目标检测的效果,提出一种基于稀疏自注意力图神经网络的三维目标检测方法(SSA-GNN),在采样关键点阶段,提出动态区域并行采样法,通过采样区域过滤,场景划分为扇区,融合动态最远体素采样的方式,以保持关键点均匀分布、加速采样同时提升前景点比例。在细化建议框阶段,利用图神经网络在点之间建立联系,通过迭代的消息传递来更好地建模上下文信息和聚合领域信息,并改进多头自注意机制来更好地关注特征聚合后领域中的重要关系,从而提高算法检测性能。SSA-GNN在KITTI公开数据集上进行测试,与基线网络PointPillars、SECOND和PointRCNN相比,在困难等级指标下,Car类平均精度分别提升了7.95、5.50、6.94个百分点,结果表明SSA-GNN可有效提升三维目标检测性能。 展开更多
关键词 三维目标检测 关键点采样 图神经网络 稀疏自注意力
在线阅读 下载PDF
基于图像和点云融合的三维小目标检测方法
5
作者 郝佳 姚国英 +2 位作者 周剑 王斯远 肖进胜 《测绘通报》 北大核心 2025年第3期33-38,共6页
目标检测技术在人工智能、人脸识别、自动驾驶等关键领域发挥着至关重要的作用。三维点云目标检测,特别是对小目标的识别,仍然是技术发展中的一个难点。针对该问题,本文提出了一种新的三维检测网络,该网络融合了图像与点云数据,以显著... 目标检测技术在人工智能、人脸识别、自动驾驶等关键领域发挥着至关重要的作用。三维点云目标检测,特别是对小目标的识别,仍然是技术发展中的一个难点。针对该问题,本文提出了一种新的三维检测网络,该网络融合了图像与点云数据,以显著提高三维小目标的检测精度。首先,利用YOLOv5进行精确的二维目标检测,并利用相机和激光雷达的坐标映射关系建立三维约束,从原始点云中提取出锥形感兴趣区域;然后,针对远处的点云小目标,提出了一种基于聚类优化的三维目标检测网络架构,将感兴趣区域的点云同时输入PointNet及聚类模块中,并对两者的检测结果进行融合判别,提升三维小目标检测精度。在KITTI数据集上的测试结果表明:与现有技术相比,本文算法在中等难度条件下,两种小目标物体的平均精度(AP)分别提升了15.94%、2.29%;在高难度条件下,分别提升了13.34%、2.86%。证明了本文算法在提升三维小目标检测精度方面的显著效果和实际应用潜力。 展开更多
关键词 三维目标检测 小目标 感兴趣区域 点云聚类 点云图像融合
在线阅读 下载PDF
基于多头自注意力融合的4D雷达三维目标检测
6
作者 赵宇波 方铖 +3 位作者 张拓 普聪远 陈健 李飞 《计算机工程与设计》 北大核心 2025年第5期1473-1479,共7页
针对4D毫米波雷达在应用中存在点云稀疏和噪声的问题,提出一种基于多头自注意力机制的融合检测方法。利用多头自注意力机制聚焦于缺失点周围的相关点,推断缺失点的特征,减少整体点云的稀疏性;通过调整注意力权重,抑制噪声点的干扰;通过... 针对4D毫米波雷达在应用中存在点云稀疏和噪声的问题,提出一种基于多头自注意力机制的融合检测方法。利用多头自注意力机制聚焦于缺失点周围的相关点,推断缺失点的特征,减少整体点云的稀疏性;通过调整注意力权重,抑制噪声点的干扰;通过融合全局特征与局部特征,增强对体素柱的空间表示,应对复杂场景中的目标识别问题。通过VoD数据集和Dual-Radar数据集的测试和验证,实验结果表明,所提方法改善了由于毫米波雷达点云稀疏性和噪声引起的漏检和误检问题,提高了目标检测精度。 展开更多
关键词 计算机应用技术 毫米波雷达 三维目标检测 多头自注意力机制 融合网络 噪声抑制 点云稀疏性
在线阅读 下载PDF
基于多模态信息相互引导补充的雷达-相机三维目标检测
7
作者 张传浩 屠晓涵 +1 位作者 谷学汇 轩波 《计算机应用》 北大核心 2025年第3期946-952,共7页
多模态三维目标检测是计算机视觉的一项重要任务,如何更好地融合不同模态之间的信息一直是该任务的研究重点。现有方法在融合不同模态信息时缺少对信息的筛选,且过多无关与干扰信息会造成模型性能的下降。针对上述问题,提出一种基于多... 多模态三维目标检测是计算机视觉的一项重要任务,如何更好地融合不同模态之间的信息一直是该任务的研究重点。现有方法在融合不同模态信息时缺少对信息的筛选,且过多无关与干扰信息会造成模型性能的下降。针对上述问题,提出一种基于多模态信息相互引导补充的雷达-相机三维目标检测模型,以在融合特征时从另一种模态中自适应地挑选信息进行融合。自适应信息融合包括数据层面的相互引导补充和特征层面的相互引导补充。在数据层面的融合中,使用由点云产生的深度图和图像产生的分割掩码作为输入,以分别构建出实例级的深度图与实例级的三维虚拟点用于图像与点云的补充。在特征层面的融合中,使用点云产生的体素特征和图像产生的特征图作为输入,并从另一种模态中为待融合特征选取关键区域并通过注意力机制进行特征融合。实验结果表明,所提模型在nuScenes测试集上取得了良好的效果。相较于BEVFusion和TransFusion等传统非引导的融合模型,所提模型将平均精度均值(mAP)和nuScenes检测分数(NDS)这2个主流评测指标分别提升了0.9~28.9个百分点和0.6~26.1个百分点。以上验证了所提模型可有效提高多模态三维目标检测的准确性。 展开更多
关键词 多模态 三维目标检测 自适应信息融合 数据层面融合 特征层面融合 雷达-相机
在线阅读 下载PDF
基于双重注意力融合的三维目标检测方法
8
作者 雷志勇 《湖南大学学报(自然科学版)》 北大核心 2025年第8期80-91,共12页
针对Voxel-RCNN算法在检测远处小目标以及受到遮挡的目标时检测精度不足的问题,提出了一种改进的方法,命名为CS-Voxel-RCNN.首先,通过引入随机顺序、随机丢弃和随机噪声三项数据增强方法,丰富了训练样本的多样性,从而增强了模型的鲁棒性... 针对Voxel-RCNN算法在检测远处小目标以及受到遮挡的目标时检测精度不足的问题,提出了一种改进的方法,命名为CS-Voxel-RCNN.首先,通过引入随机顺序、随机丢弃和随机噪声三项数据增强方法,丰富了训练样本的多样性,从而增强了模型的鲁棒性.其次,通过在2D骨干网络中集成CBAM模块,运用通道注意力机制和空间注意力机制,对多尺度特征进行更为细致的处理,优化了特征融合效果.最后,通过新增DIoU损失分支,对原损失函数进行改进,着重强调目标边界框之间的距离信息,从而提高了目标边界框回归任务的准确性.在KITTI数据集上与一些经典的3D目标检测算法进行对比实验.结果表明,新提出的算法对比原Voxel-RCNN算法,在骑车者类的简单和困难级别上分别提升了2.91个百分点和0.87个百分点,并通过消融实验验证了各改进模块的有效性,这一系列改进方法在提高三维目标检测在现实场景中的实用性和准确性方面取得了积极的成果. 展开更多
关键词 三维目标检测 激光雷达点云 数据增强 注意力机制 特征融合
在线阅读 下载PDF
基于角度交并比和自适应生命周期的三维多目标跟踪算法
9
作者 孙鑫宇 金立生 +3 位作者 霍震 王欢欢 贺阳 刘栋 《汽车工程》 北大核心 2025年第6期1169-1176,共8页
针对智能汽车在真实交通环境跟踪周围目标时面临的轨迹错误关联和过早删除问题,本文提出一种基于角度交并比和自适应生命周期的三维多目标跟踪算法。首先,采用分数过滤与非极大值抑制分别去除低置信度和重叠的检测框,结合恒定速度模型... 针对智能汽车在真实交通环境跟踪周围目标时面临的轨迹错误关联和过早删除问题,本文提出一种基于角度交并比和自适应生命周期的三维多目标跟踪算法。首先,采用分数过滤与非极大值抑制分别去除低置信度和重叠的检测框,结合恒定速度模型与卡尔曼滤波消除轨迹的帧间位移。其次,考虑位置和角度因素设计角度交并比,使用匈牙利算法求解二部图最优匹配。最后,根据轨迹中断与目标距离第一性原理制定自适应生命周期策略,以动态管理轨迹状况。实验表明,改进后的方法在Waymo数据集上车辆、骑车者和行人3类目标的Mismatch依次为0.07%、0.27%和0.29%,相比于基线算法分别下降0.03%、0.18%和0.21%;在nuScenes数据集上,所提方法的IDS为312次,与基线算法相比降低49.9%。提出的角度交并比和自适应生命周期能够减少身份切换次数,改进的三维多目标跟踪算法可以获得准确稳定的时序轨迹。 展开更多
关键词 自动驾驶 激光雷达 三维多目标跟踪 角度交并比 自适应生命周期
在线阅读 下载PDF
一种面向智能驾驶的单阶段点云三维目标检测算法
10
作者 汪世豪 邓涛 《重庆理工大学学报(自然科学)》 北大核心 2025年第2期11-18,共8页
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... 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。 展开更多
关键词 点云 三维目标检测 自适应特征池化 注意力机制
在线阅读 下载PDF
基于多通道交叉注意力融合的三维目标检测算法 被引量：2
11
作者 鲁斌 杨振宇 +2 位作者 孙洋 刘亚伟 王明晗 《智能系统学报》 CSCD 北大核心 2024年第4期885-897,共13页
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... 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。 展开更多
关键词 三维点云 自动驾驶 激光雷达 深度学习 三维目标检测 柱体素 交叉注意力 单阶段算法
在线阅读 下载PDF
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 被引量：2
12
作者 李辉 王俊印 +3 位作者 程远志 刘健 赵国伟 陈双敏 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第5期734-749,共16页
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... 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. 展开更多
关键词 三维目标检测 跨模态 语义特征 点云 无锚
在线阅读 下载PDF
新课标中核心素养对“双基”“三维目标”的继承与超越 被引量：15
13
作者 刘长海 李海龙 《湖南师范大学教育科学学报》 CSSCI 北大核心 2024年第3期99-105,122,共8页
继承与超越是把握核心素养与“双基”“三维目标”关系的两个关键词。素养导向的新课标承认知识在教育中的基础性地位,各学科着重培育的核心素养普遍以中国学生发展核心素养为统率,以各学科知识和技能为基础。“三维目标”在拓展教育目... 继承与超越是把握核心素养与“双基”“三维目标”关系的两个关键词。素养导向的新课标承认知识在教育中的基础性地位,各学科着重培育的核心素养普遍以中国学生发展核心素养为统率,以各学科知识和技能为基础。“三维目标”在拓展教育目标的全面性等方面超越“双基”,核心素养在将知识、技能、方法、情感等课程教学目标看作有机整体等方面进一步超越“双基”和“三维目标”,核心素养语境中的知识观和技能观在强调基于真实情境的应用与生成等方面较以往有了很大进步。聚焦核心素养,新时代课程教学改革应该在继承基础上超越,构建兼容“双基”与“三维目标”的核心素养结构模型,直观呈现三者的内在统一关系;合理定位聚焦核心素养的单元和课时教学目标,抓准教学设计的“牛鼻子”;基于多种教学方式的相辅相成培育核心素养,丰富课堂教学组织形式。 展开更多
关键词 核心素养 “双基” “三维目标” 新课标
在线阅读 下载PDF
面向三维目标跟踪的状态转换卡尔曼滤波方法 被引量：3
14
作者 刘增力 张文 +3 位作者 曹奇宏 赵宣植 刘康 曾赛 《兵工学报》 EI CAS CSCD 北大核心 2024年第11期3998-4010,共13页
雷达及声呐系统采集的三维球坐标量测与运动目标的笛卡尔坐标状态呈非线性,导致跟踪精度受限,而具有强非线性的多普勒量测更难以高效利用。针对上述问题,构造由距离、俯仰角、方位角及其微分组成的状态向量,使测量方程线性化;在距离、... 雷达及声呐系统采集的三维球坐标量测与运动目标的笛卡尔坐标状态呈非线性,导致跟踪精度受限,而具有强非线性的多普勒量测更难以高效利用。针对上述问题,构造由距离、俯仰角、方位角及其微分组成的状态向量,使测量方程线性化;在距离、俯仰角构成二维时变极坐标系中对常微分动力学方程离散化,再基于投影关系引入方位角,建立球坐标系中的典型三维常速度和常加速度运动模型;结合标准卡尔曼滤波在线性高斯框架下,实现跟踪以避免非线性误差。通过仿真验证了在包括多普勒雷达等若干三维跟踪场景下提出方法的有效性与性能优势。 展开更多
关键词 多普勒雷达 三维目标跟踪 非线性滤波 状态转换卡尔曼滤波
在线阅读 下载PDF
基于伪点云特征增强的多模态三维目标检测方法 被引量：2
15
作者 孔德明 李晓伟 杨庆鑫 《计算机学报》 EI CAS CSCD 北大核心 2024年第4期759-775,共17页
环境感知是自动驾驶汽车落地的关键技术之一,它对于提高自动驾驶汽车的安全性和可靠性至关重要.三维目标检测是其中的一项核心任务,旨在识别和定位三维空间中的物体,为后续决策提供重要的信息.点云和图像是该任务最常用的输入数据,点云... 环境感知是自动驾驶汽车落地的关键技术之一,它对于提高自动驾驶汽车的安全性和可靠性至关重要.三维目标检测是其中的一项核心任务,旨在识别和定位三维空间中的物体,为后续决策提供重要的信息.点云和图像是该任务最常用的输入数据,点云由三维空间中不规则分布的点组成,而图像则是由二维空间上规则分布的像素组成.因此,点云和图像之间难以进行有效的融合.而伪点云作为一种点云表征的图像信息,近几年受到了该领域学者的广泛关注.现阶段基于伪点云的三维目标检测方法还存在伪点云特征提取粗糙和相应感兴趣区域(Region-of-Intersts,RoI)特征表征能力差的问题.本文针对上述问题开展研究,分别提出细粒度注意力卷积和多尺度分组稀疏卷积.细粒度注意力卷积将规则图像处理中常用的深度可分离卷积引入不规则点云的处理流程,并在此基础上嵌入通道和分组注意力机制,进行精细的特征提取,增强伪点云特征;多尺度分组稀疏卷积将格网池化后的Ro I特征分组,进行差异化特征学习,获取不同尺度的Ro I特征,增强伪点云Ro I格网特征的表征能力.基于此,本文在SFD(Sparse Fuse Dense)网络的伪点云特征提取流程中引入细粒度注意力卷积,同时在其伪点云Ro I特征学习流程中引入多尺度分组稀疏卷积,构建SFD++多模态三维目标检测网络.在权威KITTI自动驾驶数据集上的实验结果表明,SFD++每秒可以处理8.33帧数据,其精度在简单、中等和困难的三维汽车检测上达到95.74%、88.80%和86.04%,比次优SFD的精度高出0.15%、0.84%和0.58%.除此之外,一系列消融和补充实验结果验证了所提出卷积的有效性和相关参数设置的合理性. 展开更多
关键词 自动驾驶 三维目标检测 伪点云 注意力机制 深度可分离卷积 组卷积
在线阅读 下载PDF
Myvoxel R-CNN:基于体素的三维点云目标检测模型 被引量：1
16
作者 韩建栋 范学媛 《小型微型计算机系统》 CSCD 北大核心 2024年第8期1908-1913,共6页
围绕目前三维点云目标检测中存在的特征提取不充分、困难(Hard)目标检测准确率低、模型泛化能力有待提高等问题,提出了一种新的单模态三维点云目标检测模型Myvoxel R-CNN,该模型由3个主要模块组成,分别是3D主干网络、2D鸟瞰区域建议网络... 围绕目前三维点云目标检测中存在的特征提取不充分、困难(Hard)目标检测准确率低、模型泛化能力有待提高等问题,提出了一种新的单模态三维点云目标检测模型Myvoxel R-CNN,该模型由3个主要模块组成,分别是3D主干网络、2D鸟瞰区域建议网络(2D主干网络+区域建议网络(RPN))以及检测头,在3D主干网络中添加了多头自注意力模块和基于稀疏卷积的残差块,增强了3D主干网络的体素特征学习能力,捕获了更多数据和特征内部的相关性.设计了一个由注意力融合模块组成的2D主干网络,增加了原模型对2D特征的关注度.为了进一步增加所提出模型的泛化性,引入了一种新的数据增强方案——随机局部金字塔数据增强方法,以形状感知的方式生成增强对象样本.在KITTI数据集上,本模型对汽车Hard级别的检测精度AP 3D提升了约2.23%,此外简单(Easy)和中等(Moderate)类别分别提高了约0.60%和0.62%,对行人Easy级别的检测精度AP 3D、AP BEV分别提升了约0.62%和0.86%,Hard级别的AP 3D、AP BEV分别提升了约1.45%和1.53%,实验结果表明,Myvoxel R-CNN在KITTI数据集上的表现优于其他方法. 展开更多
关键词 三维目标检测 点云 注意力 残差块 数据增强
在线阅读 下载PDF
多模态融合的三维目标检测方法研究
17
作者 田枫 宗内丽 +5 位作者 刘芳 卢圆圆 刘超 姜文文 赵玲 韩玉祥 《计算机工程与应用》 CSCD 北大核心 2024年第13期113-123,共11页
针对点云稀疏性与无序性导致基于纯点云的检测算法容易出现远小目标漏检和误检的问题,提出一种融合图像特征与点云体素特征的多模态三维目标检测算法。在图像特征提取阶段,提出一种轻量级深度残差网络,减少图像特征通道数,使其与点云体... 针对点云稀疏性与无序性导致基于纯点云的检测算法容易出现远小目标漏检和误检的问题,提出一种融合图像特征与点云体素特征的多模态三维目标检测算法。在图像特征提取阶段,提出一种轻量级深度残差网络,减少图像特征通道数,使其与点云体素特征相一致,提高点云和图像特征的融合能力;在体素特征与图像特征融合阶段,提出一种双次特征融合网络,在保留原始体素特征结构信息的基础上将图像特征和体素特征进行融合,使点云具备丰富的语义信息,提高远小目标检测精度。在KITTI数据集上实验结果显示,与基线模型相比,对小汽车、骑行者与行人的3D平均检测精度分别提高了0.76个百分点、2.30个百分点、3.43个百分点。实验结果验证了所提方法对于解决远小目标误检和漏检问题的有效性。 展开更多
关键词 三维目标检测 深度残差网络 体素特征 图像特征 特征融合 双次特征融合网络
在线阅读 下载PDF
全局信息感知与局部特征融合的高效三维目标检测
18
作者 鲁斌 王明晗 +1 位作者 孙洋 杨振宇 《系统仿真学报》 CAS CSCD 北大核心 2024年第11期2616-2630,共15页
针对基于点云的三维目标检测中存在的特征提取能力不足和检测头分类与回归不一致问题,提出基于SECOND网络的ResCST架构。该模型在三维稀疏卷积层中引入残差连接,结合SwinTransformer捕捉长距离依赖关系的能力和卷积神经网络获取局部特... 针对基于点云的三维目标检测中存在的特征提取能力不足和检测头分类与回归不一致问题,提出基于SECOND网络的ResCST架构。该模型在三维稀疏卷积层中引入残差连接,结合SwinTransformer捕捉长距离依赖关系的能力和卷积神经网络获取局部特征的优势,提出CNNSwinTransformer混合模型,有效提升特征表达能力;提出RCIoU方法,并将其应用于回归和分类分支,实现了分类与回归任务的联合优化。实验结果表明,在自动驾驶数据集KITTI汽车类别检测中,该模型在简单、中等和困难难度级别下的三维检测精度分别达到了91.21%、82.97%和80.28%。所提方法对困难目标检测效果提升明显,可达到每秒25帧的推理速度。所提出的ResCST架构在精度与速率之间取得了较好的平衡。 展开更多
关键词 三维目标检测 点云 特征融合 注意力机制 车辆检测 体素化 自动驾驶
在线阅读 下载PDF
基于多特征重构的三维目标反演算法
19
作者 薛雅丽 周李尊 +1 位作者 王林飞 欧阳权 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第11期2199-2207,共9页
为了解决基于深度学习的三维反演方法中存在的内存占用大、训练耗时久的问题,提出基于多特征重构的三维目标反演算法.通过特征分解提取目标的水平区域、中心深度、垂直厚度和剩余密度4类特征,实现对三维模型的压缩,降低内存占用.设计多... 为了解决基于深度学习的三维反演方法中存在的内存占用大、训练耗时久的问题,提出基于多特征重构的三维目标反演算法.通过特征分解提取目标的水平区域、中心深度、垂直厚度和剩余密度4类特征,实现对三维模型的压缩,降低内存占用.设计多特征重构反演网络(MRNet),通过不同的Decoder实现对目标4类特征的预测,利用4类特征重构三维模型,实现对三维目标的反演.在网络输入端引入梯度联合实现对目标边界信息的增强.在跨层连接处引入CA注意力机制,实现对Decoder预测功能的分化,优化反演效果.模拟实验结果显示,MRNet的局部相对准确度相对于3D U-Net提升了30%以上,达到88.91%,每轮训练时间仅为3D U-Net的1/13.将MRNet应用于Vinton盐丘地区,较准确地得到了盖岩的分布情况,验证了MRNet具备一定的泛化性. 展开更多
关键词 三维目标反演 多特征重构 注意力机制 深度学习 多任务学习
在线阅读 下载PDF
融合体素图注意力的三维目标检测算法
20
作者 鲁斌 孙洋 杨振宇 《智能系统学报》 CSCD 北大核心 2024年第3期598-609,共12页
目前基于点云的三维目标检测方法未能充分利用点云局部几何特征,导致对点云稀疏的目标检测效果不佳。为此,本文提出基于原始点云体素图注意力的两阶段三维目标检测算法(voxel graph attention region-CNN,VGT-RCNN)。通过多尺度体素特... 目前基于点云的三维目标检测方法未能充分利用点云局部几何特征,导致对点云稀疏的目标检测效果不佳。为此,本文提出基于原始点云体素图注意力的两阶段三维目标检测算法(voxel graph attention region-CNN,VGT-RCNN)。通过多尺度体素特征插值计算网格中心点特征;在多尺度非空体素特征上构造局部图;通过图注意力机制对体素特征进行加权平均,充分提取并利用目标的局部几何特征完成检测。该算法主要针对当前二阶段算法在进行特征聚合时对不同体素特征的重要性考虑不足进行改进,引入可学习的权重矩阵,动态学习体素特性的权重,提高局部特征表达能力。本文在流行的KITTI自动驾驶数据集上进行了充分测试,取得了具有竞争力的检测效果,尤其是在对点云稀疏的汽车目标检测上,准确率有较大提高。本文还对检测效果进行了可视化分析。 展开更多
关键词 点云 三维目标检测 图注意力 特征插值 多尺度特征 激光雷达 体素化 车辆检测
在线阅读 下载PDF
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 2 … 16 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部