基于点云的室内三维目标检测技术研究.pdf

摘要

随着机器人的智能化发展越来越迅速，目标检测技术也随之变得越来越重要。然

而，目前的二维目标检测技术主要是将目标物体在二维图像上通过二维边界框的形式

定位出来，回归的仅仅是物体的像素坐标，忽略了物体在实际空间中的三维信息，使

得其在实际应用中存在局限性。针对这一问题，本文围绕基于点云数据的三维目标检

测技术展开研究，以更好地支持机器人在实际环境中的应用：

全局点云场景构建：通过对激光SLAM和视觉SLAM系统进行对比分析，选择

视觉SLAM中经典的ORB-SLAM2系统，在ORB-SLAM2基础之上，根据相机成像

模型中图像坐标系、相机坐标系以及世界坐标系三种坐标系之间的转换关系，使用相

机的内参以及ORB-SLAM2输出的位姿信息进行全局点云场景构建，并在TMU数据

集上实现室内点云场景的构建。

点云数据去噪：由于点云数据采集的过程中可能会产生噪声点，会影响后续点云

目标检测任务，因此，本文提出了一种分步式点云去噪方法。本文通过将噪声点分为

远离点云主体的大尺度离群噪声点和接近于点云主体的小尺度起伏噪声点，针对这两

种类型噪声点的特点：采用统计滤波的方法去除大尺度噪声点，在此基础之上再使用

导向滤波对小尺度噪声点做进一步滤波处理。在Shapenet数据集和WashingtonRGB-

DScenesv2数据集上的实验结果表明，本文所提算法能够有效地去除噪声点并且能

够较完美地保持所需要的点云主体的特征信息。

点云目标检测：室内场景复杂，物体种类繁多，包含着丰富的空间信息和语义信

息。然而现有的大多数点云目标检测算法对于空间信息和语义信息提取能力的不足，

使得室内场景下的三维目标检测精度不高。本文以基于空间的图卷积为基础,提出了

一种边缘卷积EdgeConv+；将拉普拉斯算子引入到自注意力机制CGNL，提出了一

种注意力机制CGNL+。在此基础之上，使用EdgeConv+为VoteNet网络设计了空间

信息增强模块（SpatialInformationEnhancementModule，SPIE）；使用CGNL+为

VoteNet网络设计了语义信息增强模块（SemanticInformationEnhancementModule，

SEIE），以此来提高VoteNet网络对于点云空间信息和语义信息的学习能力。同时，

为实现空间信息和语义信息的融合，本文还设计了一种跨区域的双特征融合模块。实

验结果表明，本文所提算法在大型的室内点云数据集ScanNet上的mAP@0.25和

mAP@0.5分别比VoteNet高2.4%和2.1%，在另一个室内点云数据集SUNRGB-D上

的表现也优于VoteNet网络。

关键词：室内点云场景；分步式点云去噪；点云目标检测；空间信息；语义信息

论文类型：应用研究

ABSTRACT

Withtherapiddevelopmentofrobotics,objectdetectiontechnologyhasbecome

increasinglyimportant.However,current2Dobjectdetectiontechnologymainlylocatesthe

targetobjectina2Dimageusinga2Dboundingbox,onlyregressingthepixelcoordinates

oftheobjectandignoringits3Dinformationinrealspace,whichlimitsitspractical

applications.Inresponsetothisproblem,thisthesisconductsresearchon3Dobject

detectiontechnologybasedonpointclouddata,inordertobettersupporttheapplication