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F-PointNet的3D点云数据目标检测
被引量:
8
1
作者
万鹏
《山东大学学报(工学版)》
CAS
CSCD
北大核心
2019年第5期98-104,共7页
针对目前3D点云目标检测模型检测精度不高的问题,研究使用直接处理点云数据的F-PointNet模型检测汽车、行人和骑车人,并对模型进行微调,进一步提升模型的目标检测精度。试验中使用不同的参数初始化、■2正则化和修改卷积核数的方法对模...
针对目前3D点云目标检测模型检测精度不高的问题,研究使用直接处理点云数据的F-PointNet模型检测汽车、行人和骑车人,并对模型进行微调,进一步提升模型的目标检测精度。试验中使用不同的参数初始化、■2正则化和修改卷积核数的方法对模型进行测试。试验结果表明,Xavier参数初始化方法收敛速度比截断正态分布方法快0.09 s,同时汽车和骑车人检测精度分别高出大约3%和2%;增加■2正则化,行人检测精度和骑车人检测精度可提高大约2%和1%;对T-Net(Transfrmer Networks)第一层卷积层的卷积核数减少为128后,汽车和骑车人检测精度分别提高了大约1%和2%,表明本模型能有效地提升目标检测精度。
展开更多
关键词
深度学习
3D点云数据
目标检测
检测精度
f-pointnet
模型
原文传递
基于级联YOLOv7的自动驾驶三维目标检测
被引量:
2
2
作者
赵东宇
赵树恩
《汽车工程》
EI
CSCD
北大核心
2023年第7期1112-1122,共11页
针对图像和原始点云三维目标检测方法中存在特征信息残缺及点云搜索量过大的问题,以截体点网(frustum PointNet, F-PointNet)结构为基础,融合自动驾驶周围场景RGB图像信息与点云信息,提出一种基于级联YOLOv7的三维目标检测算法。首先构...
针对图像和原始点云三维目标检测方法中存在特征信息残缺及点云搜索量过大的问题,以截体点网(frustum PointNet, F-PointNet)结构为基础,融合自动驾驶周围场景RGB图像信息与点云信息,提出一种基于级联YOLOv7的三维目标检测算法。首先构建基于YOLOv7的截体估计模型,将RGB图像目标感兴趣区域(region of interest, RoI)纵向扩展到三维空间,然后采用PointNet++对截体内目标点云与背景点云进行分割。最终利用非模态边界估计网络输出目标长宽高、航向等信息,对目标间的自然位置关系进行解释。在KITTI公开数据集上测试结果与消融实验表明,级联YOLOv7模型相较基准网络,推理耗时缩短40 ms/帧,对于在遮挡程度为中等、困难级别的目标检测平均精度值提升了8.77%、9.81%。
展开更多
关键词
三维目标检测
YOLOv7
f-pointnet
多传感器信息融合
自动驾驶
下载PDF
职称材料
题名
基于F-PointNet的3D点云数据目标检测
被引量:
8
1
作者
万鹏
机构
南京理工大学计算机科学与工程学院
出处
《山东大学学报(工学版)》
CAS
CSCD
北大核心
2019年第5期98-104,共7页
文摘
针对目前3D点云目标检测模型检测精度不高的问题,研究使用直接处理点云数据的F-PointNet模型检测汽车、行人和骑车人,并对模型进行微调,进一步提升模型的目标检测精度。试验中使用不同的参数初始化、■2正则化和修改卷积核数的方法对模型进行测试。试验结果表明,Xavier参数初始化方法收敛速度比截断正态分布方法快0.09 s,同时汽车和骑车人检测精度分别高出大约3%和2%;增加■2正则化,行人检测精度和骑车人检测精度可提高大约2%和1%;对T-Net(Transfrmer Networks)第一层卷积层的卷积核数减少为128后,汽车和骑车人检测精度分别提高了大约1%和2%,表明本模型能有效地提升目标检测精度。
关键词
深度学习
3D点云数据
目标检测
检测精度
f-pointnet
模型
Keywords
deep learning
3D point cloud
object detection
detection accuracy
f-pointnet
model
分类号
TP249 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
基于级联YOLOv7的自动驾驶三维目标检测
被引量:
2
2
作者
赵东宇
赵树恩
机构
重庆交通大学机电与车辆工程学院
出处
《汽车工程》
EI
CSCD
北大核心
2023年第7期1112-1122,共11页
基金
国家自然科学基金项目(52072054)
重庆市技术创新与应用发展专项重点项目(cstc2021jscx-cylh0026)
汽车主动安全测试技术重庆市工业和信息化重点实验室开放基金(2021KFKT01)资助。
文摘
针对图像和原始点云三维目标检测方法中存在特征信息残缺及点云搜索量过大的问题,以截体点网(frustum PointNet, F-PointNet)结构为基础,融合自动驾驶周围场景RGB图像信息与点云信息,提出一种基于级联YOLOv7的三维目标检测算法。首先构建基于YOLOv7的截体估计模型,将RGB图像目标感兴趣区域(region of interest, RoI)纵向扩展到三维空间,然后采用PointNet++对截体内目标点云与背景点云进行分割。最终利用非模态边界估计网络输出目标长宽高、航向等信息,对目标间的自然位置关系进行解释。在KITTI公开数据集上测试结果与消融实验表明,级联YOLOv7模型相较基准网络,推理耗时缩短40 ms/帧,对于在遮挡程度为中等、困难级别的目标检测平均精度值提升了8.77%、9.81%。
关键词
三维目标检测
YOLOv7
f-pointnet
多传感器信息融合
自动驾驶
Keywords
3D object detection
YOLOv7
f-pointnet
multi-sensor information fusion
autonomous driving
分类号
U463.6 [机械工程—车辆工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391.41 [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
作者
出处
发文年
被引量
操作
1
基于F-PointNet的3D点云数据目标检测
万鹏
《山东大学学报(工学版)》
CAS
CSCD
北大核心
2019
8
原文传递
2
基于级联YOLOv7的自动驾驶三维目标检测
赵东宇
赵树恩
《汽车工程》
EI
CSCD
北大核心
2023
2
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