声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1137/TP
国际刊号：1002-0446
发布日期:
作者：张易, 项志宇, 乔程昱, 陈舒雅
关键词：3维点云, 鸟瞰图, 卷积神经网络, 单阶段目标检测
针对基于3维点云的目标检测问题，提出了一种高精度实时的单阶段深度神经网络，分别在网络特征提取、损失函数设计和训练数据增强等3个方面提出了新的解决方案．首先对点云直接进行体素化来构建鸟瞰图．在特征提取阶段，使用残差结构提取高层语义特征，并融合多层次特征输出稠密的特征图．在回归鸟瞰图上的目标框的同时，在损失函数中考虑二次偏移量以实现更高精度的收敛．在网络训练中，使用不同帧3维点云混合的方式进行数据增强，提高网络的泛化性能．基于KITTI鸟瞰图目标检测数据集的实验结果表明，本文提出的网络仅使用雷达点云的位置信息，在性能上不仅优于目前最先进的鸟瞰图目标检测网络，而且优于融合图像和点云的检测方案，且整个网络运行速度达到20帧/秒，满足实时性要求．
来源：2020年第2期
《机器人》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。