-
题名基于多尺度时序采样的多任务感知网络
- 1
-
-
作者
吴绍斌
褚云峰
李奕萱
姜皓舰
黄宇
-
机构
北京理工大学机械与车辆学院
北京理工大学郑州智能科技研究院
-
出处
《北京理工大学学报》
北大核心
2025年第8期789-797,共9页
-
基金
国家科技重大专项基金资助项目(2022ZD0115503)。
-
文摘
针对时序特征融合不充分,遮挡及远距离目标难以可靠感知的问题,提出了一种联合时序多尺度鸟瞰视角特征的多任务感知网络.首先,通过对深度预测概率建模,设计具备遮挡适应性的显式深度估计模块,将图像特征映射为鸟瞰视角特征,并利用深度图辅助监督;然后,为提升远距离障碍物检测效果,基于可变形注意力机制设计时序鸟瞰视角采样模块,实现时序上多尺度鸟瞰视角特征加权融合;最后,将数据增强策略拓展至多任务,并分别通过检测和分割任务头,实现三维目标检测和车道线分割. nuScenes数据集和实车实验结果证明了该方案在遮挡区域和远距离目标检测方面取得了精度提升,且推理速度可以满足实车应用要求.
-
关键词
鸟瞰图
深度估计
多尺度时序采样
多任务网络
-
Keywords
bird’s eye view(BEV)
depth estimation
multi scale temporal sampling
multi task network
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
-
