针对PointPillars改进的激光雷达3D目标检测研究OA

针对在自动驾驶领域中激光雷达获得的点云存在稀疏性和边缘噪声等问题,文中提出PointPillars的优化算法。首先,提出基于FPN改进的特征提取结构,将其融入原PointPillars模型的Backbone之中,合理利用上下文信息,提升提取特征的能力,并相应地进行多尺度特征融合;其次,提出一种基于CBAM改进的注意力模块,用动态卷积替代空间注意力中的普通卷积,使模型可以自适应地调整空间权重,并将其融入到特征提取之后,抑制背景噪声的产生;最后,在KITTI数据集上进行验证。实验结果表明,改进的PointPillars模型检测性能几乎在BEV、3D、AOS模式下均有提升,尤其是Cyclist在Easy程度下提升较大,其中BEV模式下提升了5.46%,在3D模式下提升了9.5%。实验结果充分验证了该模型的可行性。