原创力文档- 1、本文档共11页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第31卷第19期光学精密工程Vol.31No.19
2023年10月OpticsandPrecisionEngineeringOct.2023
文章编号1004-924X（2023）19-2910-11
基于特征融合的改进型PointPillar点云目标检测
*
张勇，石志广，沈奇，张焱，张宇
国防科技大学电子科学学院ATR重点实验室，湖南长沙410073
（）
摘要：针对PointPillar在自动驾驶道路场景下对点云稀疏小目标检测效果差的问题，通过引入一种多尺度特征融合策略
和注意力机制，提出一种点云目标检测网络Pillar-FFNet。针对网络中的特征提取问题，设计了一种基于残差结构的主
干网络；针对馈入检测头的特征图没有充分利用高层特征的语义信息和低层特征的空间信息的问题，设计了一种简单有
效的多尺度特征融合策略；针对主干网络提取的特征图中信息冗余的问题，提出了一种卷积注意力机制。为验证所提算
法的性能，在KITTI和DAIR-V2X-I数据集上进行实验。实验结果表明，所提出的算法在KITTI数据集上与PointPillar
相比，汽车、行人和骑行者的平均精度最大提高分别为0.84%，2.13%和4.02%；在DAIR-V2X-I数据集上与PointPillar
相比，汽车、行人和骑行者的平均精度最大提高分别为0.33%，2.09%和4.71%，由此证明了所提方法对点云稀疏小目
标检测的有效性。
关键词：小目标检测；点云稀疏；PointPillar；残差结构；多尺度特征融合；卷积注意力
中图分类号：TP391.1文献标识码：Adoi：10.37188/OPE.2910
ImprovedPointPillarpointcloudobjectdetection
basedonfeaturefusion
*
ZHANGYong，SHIZhiguang，SHENQi，ZHANGYan，ZHANGYu
NationalKeyLaboratoryofScienceandTechnologyonAutomaticTargetRecognition，
（
CollegeofElectronicScienceandTechnology，NationalUniversityofDefenseTechnology，
Changsha410073，China
）
*Correspondingauthor，E-mail：szgstone75@
Abstract：Apointcloudobjectdetectionnetwork，Pillar-FFNet，isproposedbyintroducingamultiscale
smallsparseobjectsinpointcloudsinautonomousdrivingroadscenarios.First，abackbonenetwork
basedonaresidualstructureisdesignedforfeatureextractioninthenetwork.Second，asimpl
文档评论（0）