融合点柱网络和DETR的三维复杂道路目标检测

三维目标检测是智能驾驶的关键技术之一,但是存在处理数据量大、预设特征参数多等问题。针对三维特征选择设置与实际的目标特征相关性较差的问题,提出了一种融合点柱网络和DETR的检测方法。首先,利用支柱编码来降低冗余点云的影响,使特征提取的匹配性更强,且提升了计算效率;其次,基于DETR解码器的预测模块,使用多头注意力机制建立全局特征与预测集的关联映射,并行计算出相关性最强的预测结果,避免了人工依赖先验知识介入参数导致的不确定性;最后,在公开数据集上进行了验证,相较于原点柱网络,平均检测精度均值提升了19.14%,FPS提升了3,与其他典型算法相比也有较大的提升。