典型文献
点云目标检测残差投票网络
文献摘要：
高精度的三维目标检测是实现物体感知的关键技术,对自动驾驶、机器人控制等应用的落地具有重要意义.为提高三维目标检测的精度,对算法VoteNet改进,提出了一种基于残差网络的端到端的高精度三维点云目标检测网络ResVoteNet.具体来说,设计了适用于点云数据的残差网络骨架,提出了残差特征提取模块以及残差上采样模块,并集成进VoteNet框架.残差网络结构的引入增强了网络对点云数据的特征提取和学习能力,并且提高了模型的鲁棒性.该算法在公开的大规模点云数据集SCANNET和SUN-RGBD上进行实验,平均检测精度mAP分别达到61.1％和59.9％,超越了当前最先进水平的其他算法.
文献关键词：
三维点云;目标检测;残差网络
中图分类号：
作者姓名：
杨积升;章云;李东
作者机构：
广东工业大学 自动化学院,广东 广州 510006
文献出处：
引用格式：
[1]杨积升;章云;李东-.点云目标检测残差投票网络)[J].广东工业大学学报,2022(01):56-62
A类：
VoteNet,ResVoteNet,SCANNET
B类：
点云目标检测,投票,三维目标检测,自动驾驶,机器人控制,高三,端到端,三维点云,目标检测网络,具体来说,点云数据,取模,上采样,样模,残差网络结构,大规模点云,SUN,RGBD,检测精度,mAP,最先
AB值：
0.306859
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。
