典型文献
自航船模点云数据集的海上船舶检测
文献摘要：
为了进行激光雷达海上目标检测的算法研究,本文利用自主航行船模与激光雷达等效采集海上场景点云数据,制作了船舶点云数据集.利用深度学习方法,提出了一种适用于船舶点云目标检测的点结构轻量型目标检测网络LASSD,并通过网络剪枝的方式提升了速度并缩减了所需的计算资源.提出一种基于候选目标的高阶点云特征局部注意力模块,弥补网络剪枝带来的精度损失.实验表明:本文的LASSD网络仅使用5.3×106的参数量在船舶数据集中达到79.42％的精度,在检测中单幅场景仅花费13.5 ms,检测精度以及运行速度能够在实际应用中提供实时有效的检测结果.
文献关键词：
激光雷达;船舶;海上环境;点云;计算机视觉;目标检测;数据集;深度学习
中图分类号：
作者姓名：
何芸倩;夏桂华;冯鸿超;向晶;胡乃元
作者机构：
哈尔滨工程大学智能科学与工程学院,黑龙江哈尔滨 150001;黑龙江省环境智能感知重点实验室,黑龙江哈尔滨 150001;"船海装备智能化技术与应用"教育部重点实验室(哈尔滨工程大学),黑龙江哈尔滨 150001
文献出处：
引用格式：
[1]何芸倩;夏桂华;冯鸿超;向晶;胡乃元-.自航船模点云数据集的海上船舶检测)[J].哈尔滨工程大学学报,2022(08):1156-1162,1168
A类：
海上场景,LASSD
B类：
自航船模,点云数据,海上船舶,船舶检测,激光雷达,海上目标,算法研究,自主航行,行船,景点,深度学习方法,点云目标检测,轻量型,目标检测网络,网络剪枝,计算资源,选目,点云特征,局部注意力,注意力模块,精度损失,参数量,中达,单幅,花费,ms,检测精度,运行速度,海上环境,计算机视觉
AB值：
0.384949
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
