结合通道剪枝和通道注意力的轻量型车辆点云补全网络.pdfVIP

2322025，61（1）ComputerEngineeringandApplications计算机工程与应用

⦾图形图像处理⦾

结合通道剪枝和通道注意力的轻量型车辆点云补全网络

1，2，3+1，2，31，2，31，2，31，2，34

杨晓文，冯泊栋，韩慧妍，况立群，韩燮，何黎刚

1.中北大学计算机科学与技术学院，太原030051

2.机器视觉与虚拟现实山西省重点实验室，太原030051

3.山西省视觉信息处理及智能机器人工程研究中心，太原030051

4.华威大学计算机科学系，英国考文垂CV47AL

+通信作者E-mail：wenyang1314@nuc.edu.cn

摘要：针对现有的点云补全网络多关注于补全的精度而忽视补全效率问题，提出了一种轻量型点云补全网络来准

确、高效地修复自动驾驶中的不完整车辆点云。为了提高网络推理效率，采用一种高效的一次性通道剪枝技术提高

网络的补全效率；在特征提取阶段，网络加入通道注意力模块，将加权特征与全局特征拼接，通过两层多维特征信息

提取，得到最终的特征向量；将特征向量传入双解码器结构中，分别通过全连接层和多层感知机生成稠密的粗糙点云

和输入点云偏差值；将粗糙点云与输入点云偏差值相加得到最终的精细化完整点云。在PCN数据集和KITTI数据集

上进行实验，实验结果表明在补全缺失车辆信息的实时性上有着显著的提升，并且在补全精度上也有不错的表现。

关键词：点云补全；通道剪枝；通道注意力；轻量型；深度学习

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2308-0275

LightweightVehiclePointCloudCompletionNetworkCombinedwithChannelPruningand

ChannelAttention

YANGXiaowen1，2，3+,FENGBodong1，2，3,HANHuiyan1，2，3,KUANGLiqun1，2，3,HANXie1，2，3,HELigang4

1.SchoolofComputerScienceandTechnology,NorthUniversityofChina,Taiyuan030051,China

2.ShanxiKeyLaboratoryofMachineVisionandVirtualReality,Taiyuan030051,China

3.ShanxiProvince’sVisionInformationProcessingandIntelligentRobotEngineeringResearchCenter,Taiyuan030051,China

4.DepartmentofComputerScience,TheUniversityofWarwick,CoventryCV47AL,U.K.

Abstract：Alightweightpointcloudcompletionnetworkisproposedtoaccuratelyandefficientlyrepairincomplete

vehiclepointcloudsinautonomousdrivingscenarios,addressingtheefficiencyissueoftenoverlookedbyexistingpoint

cloudcompletionnetworksthatprimarilyfocusonaccuracy.Firstly,toenhanceinferenceefficiency,anefficientone-shot

channelpruningtechniqueisemployedtoimprovethecompletionspeedofthenetwork.Secondly,achannelattention

moduleisintegratedintothenet