期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GCR-PointPillars的点云三维目标检测
1
作者
伍新月
惠飞
金鑫
《现代电子技术》
北大核心
2024年第11期168-174,共7页
针对PointPillars算法中存在识别与定位不准确的问题,提出一种GCR-PointPillars三维目标检测模型,该模型首先在Pillar特征网络中引入全局注意力机制,学习点云特征之间的相关性,增强伪图特征的全局信息交互能力;其次,基于ConvNeXt V2重...
针对PointPillars算法中存在识别与定位不准确的问题,提出一种GCR-PointPillars三维目标检测模型,该模型首先在Pillar特征网络中引入全局注意力机制,学习点云特征之间的相关性,增强伪图特征的全局信息交互能力;其次,基于ConvNeXt V2重新构建特征提取网络,提取更加丰富的语义信息,从而有效提升网络的学习能力;最后引入RDIoU来联合引导分类和回归任务,有效缓解分类和回归不一致的问题。文中模型在KITTI数据集中与基准网络相比,汽车类别在简单、中等、困难三种难度级别下分别提高了2.69%、4.29%、4.84%,并且推理速度达到25.8 f/s。实验结果表明,文中模型在保持实时性速度的同时,检测效果也有明显提升。
展开更多
关键词
三维目标检测
注意力机制
convnext
v2
损失函数
激光雷达点云
自动驾驶
下载PDF
职称材料
基于改进PointPillars的激光点云三维目标检测
2
作者
王家琦
吴叶兰
+1 位作者
郝凤桐
张峻景
《信息技术与信息化》
2024年第2期58-61,共4页
针对复杂场景下三维目标检测算法对小目标物体识别精度不高、容易出现错检漏检问题,提出一种基于改进PointPillars的三维目标检测算法,利用锥形点云获取物体的边界信息,抑制环境噪声造成的干扰;设计一种空间自注意力模块,捕获点云支柱...
针对复杂场景下三维目标检测算法对小目标物体识别精度不高、容易出现错检漏检问题,提出一种基于改进PointPillars的三维目标检测算法,利用锥形点云获取物体的边界信息,抑制环境噪声造成的干扰;设计一种空间自注意力模块,捕获点云支柱间的全局上下文信息和空间信息,扩大点云特征感知范围,提升小目标物体识别在复杂场景下的鲁棒性;改进主干网络的下采样模块,采用ConvNeXt v2模块增强网络的特征提取能力。在KITTI数据集上的测试结果表明,相比PointPillars原始网络,改进算法在汽车、行人、骑行者类别上的平均检测精度分别提升了3.73%、5.89%、5.7%,证明了所提出方法的有效性。
展开更多
关键词
三维目标检测
PointPillars
注意力机制
点云支柱
convnext
v2
下载PDF
职称材料
题名
基于GCR-PointPillars的点云三维目标检测
1
作者
伍新月
惠飞
金鑫
机构
长安大学信息工程学院
长安大学电子与控制工程学院
出处
《现代电子技术》
北大核心
2024年第11期168-174,共7页
基金
国家自然科学基金面上项目(52172380)
陕西省重点研发计划(2021ZDLGY04-06)。
文摘
针对PointPillars算法中存在识别与定位不准确的问题,提出一种GCR-PointPillars三维目标检测模型,该模型首先在Pillar特征网络中引入全局注意力机制,学习点云特征之间的相关性,增强伪图特征的全局信息交互能力;其次,基于ConvNeXt V2重新构建特征提取网络,提取更加丰富的语义信息,从而有效提升网络的学习能力;最后引入RDIoU来联合引导分类和回归任务,有效缓解分类和回归不一致的问题。文中模型在KITTI数据集中与基准网络相比,汽车类别在简单、中等、困难三种难度级别下分别提高了2.69%、4.29%、4.84%,并且推理速度达到25.8 f/s。实验结果表明,文中模型在保持实时性速度的同时,检测效果也有明显提升。
关键词
三维目标检测
注意力机制
convnext
v2
损失函数
激光雷达点云
自动驾驶
Keywords
3D object detection
attention mechanism
convnext v2
loss function
LiDAR point cloud
autonomous driving
分类号
TN958.98-34 [电子电信—信号与信息处理]
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进PointPillars的激光点云三维目标检测
2
作者
王家琦
吴叶兰
郝凤桐
张峻景
机构
北京工商大学计算机与人工智能学院
出处
《信息技术与信息化》
2024年第2期58-61,共4页
文摘
针对复杂场景下三维目标检测算法对小目标物体识别精度不高、容易出现错检漏检问题,提出一种基于改进PointPillars的三维目标检测算法,利用锥形点云获取物体的边界信息,抑制环境噪声造成的干扰;设计一种空间自注意力模块,捕获点云支柱间的全局上下文信息和空间信息,扩大点云特征感知范围,提升小目标物体识别在复杂场景下的鲁棒性;改进主干网络的下采样模块,采用ConvNeXt v2模块增强网络的特征提取能力。在KITTI数据集上的测试结果表明,相比PointPillars原始网络,改进算法在汽车、行人、骑行者类别上的平均检测精度分别提升了3.73%、5.89%、5.7%,证明了所提出方法的有效性。
关键词
三维目标检测
PointPillars
注意力机制
点云支柱
convnext
v2
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GCR-PointPillars的点云三维目标检测
伍新月
惠飞
金鑫
《现代电子技术》
北大核心
2024
0
下载PDF
职称材料
2
基于改进PointPillars的激光点云三维目标检测
王家琦
吴叶兰
郝凤桐
张峻景
《信息技术与信息化》
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部