典型文献
基于语义分割引导的三维目标检测
文献摘要：
三维目标检测是计算机视觉领域的热门研究内容之一.在自动驾驶系统中,三维目标检测技术通过捕获周围的点云信息与RGB图像信息,对周围物体进行检测,从而为车辆规划下一步的行进路线.因此,通过三维目标检测实现对周边环境的精准检测与感知是十分重要的.针对三维目标检测技术中随机采样算法导致前景点丢失的问题,首先提出了基于语义分割的随机采样算法,通过预测的语义特征指导采样过程,提升了前景点的采样比重,进而提高了三维目标检测精度;其次,针对三维目标检测定位置信度与分类置信度不一致的问题,提出了CL联合损失,使得网络倾向于选择定位置信度与分类置信度都高的3D候选框,避免了传统的NMS仅考虑分类置信度所带来的歧义问题.在KITTI三维目标检测数据集进行了实验,结果表明,该方法能够在简单、中等、困难3个难度下均获得精度的提升,从而验证了其在三维目标检测任务中的有效性.
文献关键词：
深度学习;三维目标检测;点云语义分割;采样算法;定位置信度
中图分类号：
作者姓名：
崔振东;李宗民;杨树林;刘玉杰;李华
作者机构：
中国石油大学(华东)计算机科学与技术学院,山东青岛 266580;山东石油化工学院大数据与基础科学学院,山东东营 257061;中国科学院计算技术研究所智能信息处理重点实验室,北京 100190;中国科学院大学计算机科学与技术学院,北京 100049
文献出处：
引用格式：
[1]崔振东;李宗民;杨树林;刘玉杰;李华-.基于语义分割引导的三维目标检测)[J].图学学报,2022(06):1134-1142
A类：
B类：
分割引导,三维目标检测,计算机视觉,自动驾驶系统,RGB,图像信息,划下,行进路线,周边环境,精准检测,随机采样,采样算法,景点,语义特征,检测精度,检测定位,定位置信度,CL,联合损失,候选框,NMS,歧义问题,KITTI,检测数据集,点云语义分割
AB值：
0.266117
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。
