语义引导下的快速二阶段三维目标检测

随着激光雷达采样率不断提高,系统可以更快速地获取高分辨率的场景点云数据。密集的点云有利于提高三维目标检测的精度,但也增大了计算的负担,基于点表征的三维目标检测方法面临着如何平衡速度和精度的挑战。为提高三维目标检测多级下采样的计算效率,解决前景点召回率低和一阶段网络尺寸歧义的问题,提出基于语义引导的快速二阶段方法。在第一阶段引入语义引导下采样方法,使深度神经网络能够更高效地感知前景点。在第二阶段引入通道感知池化方法,通过添加池化点来聚合采样点的语义信息,丰富感兴趣区域特征描述,获得更准确的建议框。在KITTI数据集上的测试结果显示:相比同类型的二阶段基线方法,所提方法对汽车、行人、骑行者类别的检测准确率最高提升了4.62百分点、1.44百分点、3.91百分点;另外,推理速度达55.6 frame/s,超出最快的基准线31.1%。算法在精度和速度方面都有着良好的表现,具有一定的实际应用价值。