一种基于注意力机制和上下文感知的三维目标检测网络

摘要

随着自动驾驶的发展,行车安全成为关键性问题。由于点云场景杂乱、背景环境干扰大以及场景采集范围扩增,点云愈加稀疏,使得检测算法鲁棒性变弱。为缓解以上问题,文中提出了一种基于注意力机制和上下文感知的三维目标检测算法。在点云处理阶段,增加点云双向注意力机制生成点权重矩阵,显示标注重要点数据,抑制背景噪声干扰。在伪图特征提取模块中,添加FPN(Feature Pyramid Network)模块重复利用多尺度特征,引入上下文感知模块(Context Awareness Module,CAM)捕捉多比例的上下文语义,并基于源特征设计注意力导向模块(Attention Guide Module,AGM)生成空间位置清晰的导向权图,缓解冗余特征导致的空间模糊问题。文中网络基于KITTI数据集进行测试,结果表明在困难指标下,和基线网络相比,所提方法中行人、汽车和骑行者平均精度(Average Precision,AP)分别提升了0.59%、0.87%和1.42%;和新基线网络相比,在3种难度级别下,所提方法中行人的平均精度分别提升了3.04%、3.53%和3.23%,结果证明改进网络可有效提升三维目标检测性能。