基于编解码结构的激光雷达动态物体点云分割网络OA北大核心CSTPCD
随着科技的不断发展,自动驾驶技术越来越多地进入到人们的生活中。动态物体点云分割是其中十分关键的一项任务,它可以为地图构建、路径规划等任务提供前置帮助。本文提出一种基于编码器-解码器结构的激光雷达动态物体点云分割网络,使用自校正卷积替换上下文特征提取模块中的普通卷积,提升神经网络的特征学习能力;并在网络解码阶段加入通道注意力机制,提升网络对重要特征通道的关注学习程度,从而达成更好的分割效果。本文在SemanticKITTI MOS数据集上进行实验,实验结果表明,本文所提出的动态物体点云分割网络相比原有方法取得更优表现,交并比(IoU)达到72.1%。
赵宇轩;贾克斌;李志坚
北京工业大学信息学部,北京100124 北京工业大学计算智能与智能系统北京市重点实验室,北京100124 先进信息网络北京实验室,北京100124北京工业大学信息学部,北京100124 北京工业大学计算智能与智能系统北京市重点实验室,北京100124 先进信息网络北京实验室,北京100124北京工业大学信息学部,北京100124 北京工业大学计算智能与智能系统北京市重点实验室,北京100124 先进信息网络北京实验室,北京100124
电子信息工程
激光雷达深度学习点云分割自动驾驶
《高技术通讯》 2024 (10)
P.1091-1097,7
北京市自然科学基金(4212001)资助项目。
评论