典型文献
基于金字塔特征融合的二阶段三维点云车辆检测
文献摘要：
针对三维点云鸟瞰图特征提取不充分导致车辆目标检测性能欠佳问题,本文提出一种基于金字塔特征融合的二阶段三维点云车辆目标检测算法.首先通过降维处理并利用体素占用编码原始三维点云,得到二维特征图输入;然后,利用上采样网络传递高层语义特征,下采样网络传递低层位置特征,构建一阶段金字塔网络结构提取车辆目标特征;最后,通过候选区域提取层得到不同尺度的候选区域,利用兴趣区域池化层对齐各候选区域尺度,并采用全连接层融合多尺度特征,提取不同感受野下车辆目标特征;此外,在损失函数方面,补充正余弦角度损失并加权到总损失函数中,优化车辆目标航向角预测.基于KITTI公开数据集的实验分析表明,本文算法相较基准网络能够有效补充三维点云鸟瞰图特征提取,在不同难度的检测任务中平均检测精度提高了5.07％～8.59％.
文献关键词：
智能交通;车辆检测;金字塔特征融合;激光点云;卷积神经网络
中图分类号：
作者姓名：
张名芳;吴禹峰;王力;王庞伟
作者机构：
北方工业大学,城市道路交通智能控制技术北京市重点实验室,北京100144
文献出处：
引用格式：
[1]张名芳;吴禹峰;王力;王庞伟-.基于金字塔特征融合的二阶段三维点云车辆检测)[J].交通运输系统工程与信息,2022(05):107-116
A类：
B类：
金字塔特征融合,二阶段,三维点云,云车,车辆检测,鸟瞰图,车辆目标检测,检测性能,目标检测算法,降维处理,维特,特征图,上采样,语义特征,下采样,低层,层位,位置特征,金字塔网络,结构提取,目标特征,候选区域,区域提取,不同尺度,兴趣区域,池化,对齐,区域尺度,全连接层,多尺度特征,感受野,下车,损失函数,正余弦,目标航向,航向角,KITTI,公开数据集,基准网络,中平,检测精度,智能交通,激光点云
AB值：
0.342451
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。
