点云目标检测残差投票网络

摘要

高精度的三维目标检测是实现物体感知的关键技术,对自动驾驶、机器人控制等应用的落地具有重要意义。为提高三维目标检测的精度,对算法Vote Net改进,提出了一种基于残差网络的端到端的高精度三维点云目标检测网络Res Vote Net。具体来说,设计了适用于点云数据的残差网络骨架,提出了残差特征提取模块以及残差上采样模块,并集成进Vote Net框架。残差网络结构的引入增强了网络对点云数据的特征提取和学习能力,并且提高了模型的鲁棒性。该算法在公开的大规模点云数据集SCANNET和SUN-RGBD上进行实验,平均检测精度m AP分别达到61.1%和59.9%,超越了当前最先进水平的其他算法。