典型文献
多尺度Transformer激光雷达点云3D物体检测
文献摘要：
激光雷达点云3D物体检测,对于小物体如行人、自行车的检测精度较低,容易漏检误检,提出一种多尺度Transformer激光雷达点云3D物体检测方法MSPT-RCNN(multi-scale point transformer-RCNN),提高点云3D物体检测精度.该方法包含两个阶段,即第一阶段(RPN)和第二阶段(RCNN).RPN阶段通过多尺度Transformer网络提取点云特征,该网络包含多尺度邻域嵌入模块和跳跃连接偏移注意力模块,获取多尺度邻域几何信息和不同层次全局语义信息,生成高质量初始3D包围盒;在RCNN阶段,引入包围盒内的点云多尺度邻域几何信息,优化了包围盒位置、尺寸、朝向和置信度等信息.实验结果表明,该方法(MSPT-RCNN)具有较高检测精度,特别是对于远处和较小物体,提升更高.MSPT-RCNN通过有效学习点云数据中的多尺度几何信息,提取不同层次有效的语义信息,能够有效提升3D物体检测精度.
文献关键词：
Transformer;多尺度;偏移注意力;点云;3D物体检测
中图分类号：
作者姓名：
孙刘杰;赵进;王文举;张煜森
作者机构：
上海理工大学 出版印刷与艺术设计学院,上海 200093
文献出处：
引用格式：
[1]孙刘杰;赵进;王文举;张煜森-.多尺度Transformer激光雷达点云3D物体检测)[J].计算机工程与应用,2022(08):136-146
A类：
MSPT,偏移注意力
B类：
Transformer,激光雷达点云,物体检测,自行车,检测精度,漏检,RCNN,multi,scale,point,transformer,高点,第一阶段,RPN,第二阶段,取点,点云特征,邻域嵌入,跳跃连接,注意力模块,几何信息,不同层次,全局语义信息,包围盒,盒内,朝向,置信度,高检,远处,有效学习,点云数据
AB值：
0.256816
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。
