国家科技期刊平台

相关度

相关度
发表时间

每页显示10条

每页显示10条
每页显示20条
每页显示30条

已找到 24 条结果

自适应性多模态特征融合的远小困难目标检测CSCD
作者：李阳葛洪伟
发表期刊：测试科学与仪器 2021年2期
关键词：3D目标检测自适应性融合多模态数据融合注意力机制多邻域特征
摘要：为了解决由LiDAR点云稀疏性和语义信息不足造成的远小困难物体检测困难的问题,提出了一种多模态数据自适应性融合的3D目标检测网络,充分融合了体素的多邻域上下文信息和图片多层语义信息.首先,设计了一种更适用于检测任务的改进残差网络,提取图片多层语义特征的同时,在低分辨率特征图中有效保留了远小物体的结构细节信息.每个特征图进一步通过来自所有后续特征图的语义信息进行语义增强.其次,提取具有不同感受野大小的多邻域上下文信息,弥补远小物体点云信…查看全部>>
互注意力融合图像和点云数据的3D目标检测北大核心CSCDCSTPCD
作者：陈俊英白童垚赵亮
发表期刊：光学精密工程 2021年9期
关键词：3D目标检测深度学习点云数据图像数据注意力机制
摘要：为了利用图像信息辅助点云数据提高3D目标检测精度,需要解决图像特征空间和点云特征空间自适应对齐融合的问题.本文提出了一种多模态特征自适应融合的3D目标检测深度学习网络.首先,对点云数据体素化,基于体素内的点云特征学习体素特征表示,用3D稀疏卷积神经网络获取点云数据的特征,同时用ResNet神经网络提取图像特征.然后通过引入互注意力模块自适应对齐图像特征和点云特征,得到基于图像特征增强后的点云特征.最后在此特征基础上应用区域提案网络和分…查看全部>>
基于激光雷达的无人驾驶3D多目标跟踪CSCD
作者：熊珍凯程晓强吴幼冬左志强刘家胜
发表期刊：自动化学报 2023年10期
关键词：无人驾驶激光雷达3D目标检测3D多目标跟踪
结合图采样和图注意力的3D目标检测方法CSTPCD
作者：李文举储王慧崔柳苏攀张干
发表期刊：计算机工程与应用 2023年9期
关键词：点云3D目标检测图神经网络图采样图注意力机制
摘要：在点云中进行三维目标检测时,小目标和复杂背景下目标的检测精度不足是突出的问题之一.针对该问题,提出了一种基于图采样和图注意力机制的3D点云目标检测方法.减小基准网络下采样体素大小以保持小目标的点云密度;引入图采样降低在点云中构造拓扑图的代价;通过对图采样前后的图分别嵌入自注意力机制,提高网络的特征提取能力.在KITTI数据集上与基准网络Point-GNN相比,对汽车目标在复杂场景上的检测精度提升了1.96％,对行人与骑行者目标在中等难…查看全部>>
基于鸟瞰图融合的多级旋转等变目标检测网络北大核心CSTPCD
作者：刘宏纬邵东恒杨剑魏宪李科游雄
发表期刊：计算机工程 2024年11期
关键词：多传感器融合体素鸟瞰图旋转等变3D目标检测
摘要：随着自动驾驶系统的发展,针对道路场景下的3D目标检测受到研究人员的广泛关注。然而,大多数基于单一传感器或者多传感器融合的目标检测方法未考虑实际道路场景中车辆旋转,使得捕获的场景同步旋转,从而导致目标检测性能降低。针对这类问题,提出一种基于多传感器融合的多级全局旋转等变目标检测网络架构,以缓解场景旋转造成的目标检测困难,从而提高目标检测性能。首先,对体素内部进行各点之间距离编码,增强局部点云几何信息,并提取体素的全局旋转等变特征;其次,…查看全部>>
动态卷积的3D点云目标检测算法
作者：蔡黎明杜吉祥刘怀进张洪博黄敬东
发表期刊：华侨大学学报（自然科学版） 2023年1期
关键词：点云3D目标检测动态卷积分类回归
摘要：针对不规则且稀疏的点的提取特征问题,提出一种以动态卷积作为特征提取的3D点云目标检测算法.首先,以一种新型的动态卷积的方式自适应学习点的位置特征,分类出前景点与背景点,同时对提取出的前景点逐一做回归框;然后,用非极大值抑制选出分数值最好的回归框.其次,进行粒度的细化,得到修正规范的3D回归框,完成3D物体的目标检测.最后,在KITTI数据集上验证算法的有效性.结果表明:文中所提算法在汽车类、行人类、自行车类数据集上的3D点云目标检测精度更高.
面向道路交通场景的高效3D目标检测北大核心
作者：陆军鲁林超翟晓阳刘霜
发表期刊：智能系统学报 2025年1期
关键词：深度学习3D目标检测点云随机采样局部特征聚合注意力机制自动驾驶
摘要：针对当前两阶段的点云目标检测算法PointRCNN:3D object proposal generation and detection from point cloud在点云降采样阶段时间开销大以及低效性的问题,本研究基于PointRCNN网络提出RandLA-RCNN(random sampling and an effectivelocal feature aggregator with region-based convol…查看全部>>
一种基于透视投影的单目3D目标检测网络北大核心CSCDCSTPCD
作者：张峻宁苏群星刘鹏远谷宏强王威
发表期刊：机器人 2020年3期
关键词：深度学习3D目标检测透视投射消失点损失函数联合训练
摘要：针对单目3D目标检测网络训练约束少、模型预测精度低的问题,通过网络结构改进、透视投影约束建立以及损失函数优化等步骤,提出了一种基于透视投影的单目3D目标检测网络.首先,在透视投影机理的基础上,利用世界、相机以及目标三者之间的变换关系,建立一种利用消失点(VP)求解3D目标边界框的模型;其次,运用空间几何关系和先验尺寸信息,将其简化为方位角、目标尺寸与3D边界框的约束关系;最后,根据尺寸约束的单峰、易回归优势,进一步提出一种学习型的方位…查看全部>>
形状补全引导的Transformer点云目标检测方法CSTPCD
作者：周静胡怡宇黄心汉
发表期刊：智能系统学报 2023年4期
关键词：3D目标检测低质量目标特征分离形状补全Transformer多尺度邻域掩码特征增强
摘要：针对雷达传感器采集到的场景点云中存在大量远距离或位于遮挡视角的形状缺失的低质量目标,其几何信息不足难以被识别,影响检测精度的问题,本文提出一种基于形状补全引导的Transformer点云目标检测方法(shape completion-guided transformer point cloud object detection method,STDet),通过增强低质量目标形状特征来有效提升目标检测精度,利用Pointformer主干…查看全部>>
LiDar点云指导下特征分布趋同与语义关联的3D目标检测北大核心CSTPCD
作者：郑锦蒋博韬彭微王森
发表期刊：电子学报 2024年5期
关键词：3D目标检测伪点云语义关联分布趋同注意力感知
摘要：针对现有基于伪点云的3D目标检测算法精度远低于基于真实激光雷达(Light Detection and ranging,Li-Dar)点云的3D目标检测,本文研究伪点云重构,并提出适合伪点云的3D目标检测网络.考虑到由图像深度转换得到的伪点云稠密且随深度增大逐渐稀疏,本文提出深度相关伪点云稀疏化方法,在减少后续计算量的同时保留中远距离更多的有效伪点云,实现伪点云重构.本文提出LiDar点云指导下特征分布趋同与语义关联的3D目标检测网络…查看全部>>

12 3 >