多尺度Transformer激光雷达点云3D物体检测

• 全文链接
• 请求原文

作   者：

孙刘杰;  赵进;  王文举;  张煜森; 

作者机构：

上海理工大学出版印刷与艺术设计学院; 

关键词：

偏移注意力;  Transformer;  点云;  3D物体检测;  多尺度; 

期刊名称：

计算机工程与应用

i s s n：

1002-8331

年卷期：

2022 年 58 卷 008 期

页   码：

136-146

摘   要：

激光雷达点云3D物体检测,对于小物体如行人、自行车的检测精度较低,容易漏检误检,提出一种多尺度Transformer激光雷达点云3D物体检测方法MSPT-RCNN(multi-scale point transformer-RCNN),提高点云3D物体检测精度.该方法包含两个阶段,即第一阶段(RPN)和第二阶段(RCNN).RPN阶段通过多尺度Transformer网络提取点云特征,该网络包含多尺度邻域嵌入模块和跳跃连接偏移注意力模块,获取多尺度邻域几何信息和不同层次全局语义信息,生成高质量初始3D包围盒;在RCNN阶段,引入包围盒内的点云多尺度邻域几何信息,优化了包围盒位置、尺寸、朝向和置信度等信息.实验结果表明,该方法(MSPT-RCNN)具有较高检测精度,特别是对于远处和较小物体,提升更高.MSPT-RCNN通过有效学习点云数据中的多尺度几何信息,提取不同层次有效的语义信息,能够有效提升3D物体检测精度.