基于稀疏增强与几何注意力的改进三维目标检测算法OA
针对现有基于PointPillars的改进框架对行人等小目标检测精度不足的问题,提出一种融合稀疏增强与几何注意力的改进方法。首先,在Pillar特征编码阶段引入稀疏Pillar增强机制,填补稀疏区域的几何信息空白,为后续特征增强提供有效素材。其次,设计点感知空间注意力机制嵌入编码流程,基于补全后Pillar的点云密度与点到中心平均距离两类几何特征,通过轻量级MLP生成动态注意力权重,优先放大目标相关Pillar的特征信号,解决传统注意力依赖通道统计、不适配点云特性的缺陷。为验证方法的有效性,在公开KITTI三维目标检测数据集上开展实验,重点评估小目标的检测性能。实验结果表明,相较于现有的基于PointPillars的改进框架,三维模式下的行人目标的平均检测精度提升2.54%,鸟瞰图模式下的行人目标的平均检测精度提升5.91%,充分证明了所提创新模块对小目标特征优化的有效性,为自动驾驶长尾场景的感知任务提供了实用解决方案。
陈祺东;李家玮;吴豪;娄琼丹
南京信息工程大学计算机学院、软件学院,江苏南京210044 无锡学院物联网工程学院,江苏无锡214105 无锡学院车路多模态感知与控制江苏省高校重点实验室,江苏无锡214105南京信息工程大学计算机学院、软件学院,江苏南京210044 无锡学院物联网工程学院,江苏无锡214105无锡学院物联网工程学院,江苏无锡214105 无锡学院车路多模态感知与控制江苏省高校重点实验室,江苏无锡214105无锡学院物联网工程学院,江苏无锡214105
信息技术与安全科学
计算机视觉三维目标检测注意力机制点云激光雷达
《液晶与显示》 2026 (6)
P.808-822,15
江苏省基础研究计划(No.BK20240315)国家自然科学基金(No.62406229)无锡市“太湖之光”科技攻关(基础研究)项目(No.K20253044,No.K20253037)江苏省高等学校基础科学(自然科学)研究面上项目(No.25KJB520046)江苏省高等学校基础科学(自然科学)研究项目(No.24KJB520039)。
评论