典型文献
基于深度霍夫优化投票的三维时敏单目标跟踪
文献摘要：
针对三维点云时敏单目标跟踪问题,提出了一种基于深度霍夫优化投票的深度学习算法.首先,采用PointNet++网络分别从模板点云和搜索点云中计算种子点、提取几何特征,并通过面向目标的特征提取方法将目标模板信息编码到搜索区域中.其次,通过种子点投票计算并筛选出具有高置信度的潜在目标中心.最后,通过目标中心点的采样、聚集产生多个提议,选取具有最高得分的提议生成三维目标框.该算法能够有效避免耗时的三维全局搜索,且对点云的无序性、不规则性和稀疏性保持鲁棒.为了验证该网络的有效性,在公共数据集KITTI上进行测试.实验结果表明,该网络相较于当前最好的基于三维点云的方法,准确度提高了约10％,并可以在单个NVIDIA2080 S图形处理器上以43.5 FPS运行.
文献关键词：
时敏目标;单目标;目标跟踪;点云数据;霍夫投票;深度学习;人工智能
中图分类号：
作者姓名：
杨玺;雷航;钱伟中;曾一芳;王旭鹏
作者机构：
电子科技大学,成都 610054
文献出处：
引用格式：
[1]杨玺;雷航;钱伟中;曾一芳;王旭鹏-.基于深度霍夫优化投票的三维时敏单目标跟踪)[J].航空兵器,2022(02):45-51
A类：
NVIDIA2080,霍夫投票
B类：
单目标跟踪,三维点云,跟踪问题,深度学习算法,PointNet++,云和,云中,中计,种子点,几何特征,面向目标,信息编码,置信度,过目,中心点,提议,三维目标,全局搜索,规则性,稀疏性,公共数据,KITTI,图形处理器,FPS,时敏目标,点云数据
AB值：
0.370957
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。
