-
题名基于体素的全稀疏三维目标检测器
- 1
-
-
作者
周伟典
洪濡
盖绍彦
达飞鹏
-
机构
东南大学自动化学院
东南大学复杂工程系统测量与控制教育部重点实验室
-
出处
《仪器仪表学报》
北大核心
2025年第5期242-250,共9页
-
基金
江苏省前沿引领技术基础研究专项(BK20192004C)
江苏省重大科技专项(BG2024003)项目资助。
-
文摘
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%。
-
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
-
Keywords
3D object detection
voxel-based
lightweight
cross attention
fully sparse detector
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TH865
[机械工程—精密仪器及机械]
-
-
题名车牌识别设备稀疏布局下的路段行程时间估计方法
- 2
-
-
作者
王殿海
王奕飞
黄宇浪
刘泳
曾佳棋
-
机构
浙江大学
浙江大学中原研究院
-
出处
《交通运输系统工程与信息》
北大核心
2025年第5期83-90,共8页
-
基金
国家自然科学基金(52402391,52131202)。
-
文摘
车牌识别设备是城市路网中重要的交通状态检测器,但高昂的成本限制了其安装规模和密度。本文提出设备稀疏布局条件下的城市道路路段行程时间估计方法,考虑驻留轨迹的行程时间异常值干扰,将路段行程时间测量问题转化为混合整数优化模型,并设计基于不动点的交替求解方法。根据路段行程时间分布计算路径行程时间分布,识别异常行程时间;设计行程时间分配方法,将正常轨迹行程时间分配至各个路段;为确保计算稳定性,对高流量路段的行程时间分布参数进行贝叶斯更新,并将参数比例关系推广至流量不足的路段;通过迭代实现路段行程时间和异常轨迹的联合估计。杭州市真实车牌识别数据集的实验表明:70%设备覆盖率下,本文方法的平均百分比误差(MAPE)为13.29%;与梯度下降法相比,MAPE降低了7.69%,迭代次数减少了99.4%;针对车牌识别设备更加稀疏的城市场景,当设备覆盖率降至30%时,本文方法的MAPE仅为18.51%。
-
关键词
智能交通
交通状态
组合优化
路段行程时间
车牌识别数据
稀疏检测器
-
Keywords
intelligent transportation
traffic state
combinatorial optimization
link travel time
license plate recognition data
sparse detectors
-
分类号
U495
[交通运输工程—交通运输规划与管理]
-
