体素点云融合的三维动态目标检测算法

摘要

针对目前三维目标检测领域采用的方法在特征提取上普遍存在目标上下文特征不够丰富,无法实现精准的动态多目标检测的问题,提出一种体素点云融合的三维动态目标检测算法.该算法采用两阶段的多次、多尺度特征融合的检测架构,第1阶段对点云直接处理提取关键点特征和划分体素空间提取多尺度体素特征,将二者进行初次融合生成预选框;第2阶段在每个体素中设置参考点并吸收周围的关键点进行第2次的特征融合,将最终特征输入检测模块,实现预选框的优化.另外,针对分类和定位置信度不一致的问题,提出一种强制一致性损失函数,可以进一步提高检测的准确性.在Kitti,Waymo和nuScene数据集中与其他算法进行对比,针对三维动态目标检测准确率达92.10%,并且通过实物车辆平台进行可移植性和消融性实验的结果表明,文中算法具有较强的鲁棒性、可移植性和泛化能力.