典型文献
基于深度学习的点云目标检测方法
文献摘要：
随着自动驾驶技术和点云处理技术的不断发展,如何对点云数据中的点的相关特征进行分析就成为关键问题.针对点云特征分析问题,很多的文献中对点云特征值采取手动输入的方法.然而,该类方法无法适应实际环境中复杂多变的情况.为了解决该问题,该文提出了一种新的基于深度学习网络的三维点云检测框架.该框架以深度学习作为点云分析工具,并引入三维视觉机理,在点云分析时网络会通过已有数据集的训练自动寻找需要注意的点云区域,从而极大地减少了计算成本.在测试时,采用自动驾驶点云数据集对网络进行应用.实验结果表明,与其他三维点云物体检测方法相比,基于深度学习网络的三维点云检测方法能够在对硬件环境要求较低的情况下实现良好的运行效果.
文献关键词：
点云;检测;三维点云检测框架;三维视觉机理;自动驾驶点云数据集
中图分类号：
作者姓名：
高焱;熊风光
作者机构：
中北大学 大数据学院,山西 太原 030051
文献出处：
引用格式：
[1]高焱;熊风光-.基于深度学习的点云目标检测方法)[J].计算机技术与发展,2022(03):76-83
A类：
三维点云检测框架,三维视觉机理,自动驾驶点云数据集
B类：
点云目标检测,目标检测方法,自动驾驶技术,点云处理,点云特征,分析问题,深度学习网络,习作,点云分析,计算成本,物体检测,环境要求,运行效果
AB值：
0.161381
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。
