基于强语义关键点采样的三维目标检测方法

doi:10.3778/j.issn.1002-8331.2212-0239

摘要/摘要

摘要：信息技术PV-RCNN公司三维目标检测网络，提出一种基于强语义关键点采样的三维目标检测方法SSPS-RCNN（强语义点采样RCNN）在关键点采样阶段，该算法采用语义加权点采样和提案区域点过滤相融合的方法，获得更具特征代表性的采样关键点，以提升采样点中前景点的比例；在不增加网络结构的基础上，将语义信息重新加权关键点特征，以进一步细化关键点的特征贡献提升算法精度。在基蒂数据集上的实验结果表明该算法与现有主流算法相比，对减少物体检测中的漏检与错检问题和整体检测精度提升，表现出良好的稳定性和鲁棒性。

关键词: 深度学习, 激光雷达, 三维目标检测, 特征融合

摘要：目标检测算法中关键信息的特征提取是影响算法准确性的重要因素。针对当前三维目标检测算法中关键点采样困难和特征提取不足的问题，借鉴PV-RCNN三维目标检测网络，提出了一种基于强语义关键点采样的三维目标检测方法SSPS-RCNN（strong semantic point sampling RCNN）。在关键点采样阶段，该算法采用语义加权点采样和建议区域点过滤的融合方法，以获得更多具有特征代表性的关键点，并增加前景点在采样点中的比例。在不增加网络结构的情况下，对逐点语义信息进行加权，进一步细化关键点的特征贡献，提高算法精度。实验表明，与现有主流算法相比，该算法可以减少漏检和误检问题，并显示出良好的稳定性和鲁棒性。在KITTI数据集上的实验结果表明，与现有主流算法相比，该算法具有良好的稳定性和鲁棒性，可以减少漏检和误检问题，提高整体检测精度。

关键词： 深度学习，光探测和测距（LiDAR）， 3D物体检测，特征融合

车运龙, 袁亮, 孙丽慧. 基于强语义关键点采样的三维目标检测方法[J] ●●●●。，2024年，60（9）：254-260。

车云龙、袁亮、孙丽慧。基于强语义关键点采样的三维目标检测[J]。计算机工程与应用，2024，60（9）：254-260。

参考文献

[1] GHASEMIEH A，KASHEF R.用于自动驾驶的三维物体检测：方法、模型、传感器、数据和挑战[J]。运输工程，2022，8:100115。
[2] 钱蓉，赖霞，李霞.自动驾驶中的三维物体检测研究[J]。模式识别，2022，130:108796。
[3] 肖雨晴, 杨慧敏. 目标检测算法在交通场景中应用综述[J] ●●●●。，2021, 57(6): 30-41.
肖永强，杨海明.目标检测算法在交通场景中的应用研究[J]。计算机工程与应用，2021，57（6）：30-41。
[4] 李宇杰, 李煊鹏, 张为公. 基于视觉的三维目标检测算法研究综述[J] ●●●●。，2020, 56(1): 11-24.
李永杰，李学平，张伟G。基于视觉的三维物体检测方法综述[J]。计算机工程与应用，2020，56（1）：11-24。
[5] ZHOU Y，TUZEL O.Voxelnet:基于点云的三维物体检测端到端学习[C]//IEEE计算机视觉和模式识别会议论文集，2018:4490-4499。
[6] YAN Y，MAO Y，LI B.第二：稀疏嵌入卷积检测[J]。传感器，2018，18（10）：3337。
[7] QI C R，SU H，MO K，et al.PointNet:三维分类和分割的点集深度学习[C]//IEEE计算机视觉和模式识别会议论文集，2017:652-660。
[8] QI C R，YI L，SU H，等.PointNet++：度量空间中点集的深度分层特征学习[C]//第31届神经信息处理系统国际会议论文集，2017。
[9] SHI S，WANG X，LI H.PointRCNN:从点云生成和检测三维对象建议[C]//IEEE/CVF计算机视觉和模式识别会议论文集，2019:770-779。
[10] 史仕，郭C，姜磊，等.PV-RCNN:三维物体检测的点-盒特征集提取[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2020：10529-10538。
[11] 史仕，姜磊，邓洁，等.PV-RCNN++：基于局部向量表示的点-盒特征集提取方法在三维物体检测中的应用[J]。国际计算机视觉杂志，2023，131:531-551。
[12] 陈C，陈Z，张杰，等。SASA:基于点的三维物体检测的语义增强集抽象[C]//AAAI人工智能会议，2022。
[13] 林天勇，戈亚尔·P，吉尔希克·R，等.密集目标检测中的焦点损失[C]//IEEE国际计算机视觉会议论文集，2017:2980-2988。
[14] GEIGER A，LENZ P，STILLER C，等.视觉与机器人：基蒂数据集[J]。《国际机器人研究杂志》，2013，32（11）：1231-1237。
[15] KU J，MOZIFIAN M，LEE J，等.基于视图聚合的联合3D提案生成和目标检测[C]//2018 IEEE/RSJ智能机器人与系统（IROS）国际会议，2018:1-8。
[16] QI C R，LIU W，WU C，et al.基于RGB-D数据的三维物体检测Frustum点网[C]//IEEE计算机视觉和模式识别会议论文集，2018:918-927。
[17] 王Z，JIA K.Frustum convnet：滑动平截头体以聚合局部点对线特征，用于amodal 3D物体检测[C]//2019 IEEE/RSJ智能机器人与系统（IROS）国际会议，2019:1742-1749。
[18] 史仕，王Z，王旭，等.第二部分网络：点云目标检测的三维部件和聚合神经网络[J]。arXiv:1907.036702019年。
[19] 何强，王泽，曾赫，等.SVGA-Net：基于点云的三维目标检测稀疏体素图注意网络[C]//美国人工智能学会人工智能会议论文集，2022:870-878。
[20] CHEN X，MA H，WAN J，et al.用于自动驾驶的多视点三维物体检测网络[C]//IEEE计算机视觉与模式识别会议论文集，2017:1907-1915。
[21]YOO J H，KIM Y，KIM J，et al.3D-CVF:使用横视空间特征融合生成联合相机和激光雷达特征，用于3D物体检测[C]//欧洲计算机视觉会议。查姆：施普林格，2020年：720-736。
[22]李毅，QI X，CHEN Y，等.三维物体检测的体素场融合[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2022:1120-1129。
[23]YANG Z，SUN Y，LIU S，et al.STD:点云稀疏三维目标检测器[C]//IEEE/CVF国际计算机视觉会议论文集，2019:1951-1960。
[24]HE C，ZENG H，HUANG J，et al.基于点云的结构感知单阶段三维物体检测[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2020：11873-11882。
[25]YANG Z，SUN Y，LIU S，et al.3DSDSD:基于点的三维单级目标检测器[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2020：11040-11048。
[26]邓J，史S，李鹏，等.体素R-CNN：走向高性能基于体素的三维物体检测[C]//美国人工智能学会人工智能会议论文集，2021:1201-1209。
[27]毛J，XUE Y，NIU M，等.用于三维物体检测的体素变换器[C]//IEEE/CVF国际计算机视觉会议论文集，2021:3164-3173。
[28]宋恩，姜涛，姚J.JPV-Net：精确三维物体检测的联合点-盒表示[C]//《AAAI人工智能会议论文集》，2022:2271-2279。