原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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3期电子学报Vol.52No.3
2024年3月ACTAELECTRONICASINICAMar.2024
一种多层多模态融合3D目标检测方法
周治国，马文浩
（北京理工大学集成电路与电子学院，北京100081）
摘要：在自动驾驶感知系统中视觉传感器与激光雷达是关键的信息来源，但在目前的3D目标检测任务中大
部分纯点云的网络检测能力都优于图像和激光点云融合的网络，现有的研究将其原因总结为图像与雷达信息的视角
错位以及异构特征难以匹配，单阶段融合算法难以充分融合二者的特征.为此，本文提出一种新的多层多模态融合的
3D目标检测方法：首先，前融合阶段通过在2D检测框形成的锥视区内对点云进行局部顺序的色彩信息（RedGreen
Blue，RGB）涂抹编码；然后将编码后点云输入融合了自注意力机制上下文感知的通道扩充PointPillars检测网络；后融
合阶段将2D候选框与3D候选框在非极大抑制之前编码为两组稀疏张量，利用相机激光雷达对象候选融合网络得出
最终的3D目标检测结果.在KITTI数据集上进行的实验表明，本融合检测方法相较于纯点云网络的基线上有了显著
的性能提升，平均mAP提高了6.24%.
关键词：自动驾驶；多传感器融合；3D目标检测；点云编码；自注意力机制
基金项目：装备预研领域基金（No.61403120109）
中图分类号：TP391.4文献标识码：A文章编号：0372-2112(2024)03-0696-13
电子学报URL:http://www.DOI:10.12263/DZXB
3DObjectDetectionBasedonMultilayerMultimodalFusion
ZHOUZhi-guo,MAWen-hao
（SchoolofIntegratedCircuitsandElectronics，BeijingInstituteofTechnology，Beijing100081，China）
Abstract:Cameraandlidararethekeysourcesofinformationinautonomousvehicles(AVs).However,inthecur⁃
rent3Dobjectdetectiontasks,mostofthepurepointcloudnetworkdetectioncapabilitiesarebetterthanthoseofimageand
laserpointcloudfusionnetworks.Existingstudiessummarizethereasonsforthisasthemisalignmentofviewbetweenim⁃
ageandradarinformationandthedifficultyofmatchingheterogeneousfeatures.Single-stagefusionalgorithmisdifficultto
fullyfusethefeaturesofboth.Forthisreason,anova3Dobjectdetectionbasedonmultilayer
- 1.ppt制作及优化；2.办公模板制作；3.文案制作及优化。 + 关注
-
实名认证服务提供商
教师资格证、公共营养师持证人
本人专注ppt制作、办公模板编辑六年有余，可以根据客户需求做出高品质ppt、办公表格等模板，以及文案等。
文档评论（0）