动态交通场景下的多模态稀疏点云时序感知3D目标检测算法OA
动态交通场景环境感知包含大量无序的原始点云数据,且在噪声和环境干扰下,3D目标检测的精度不足。为此,文中提出一种动态交通场景下的多模态稀疏点云时序感知3D目标检测算法。在多模态数据预处理阶段,采用中值滤波、直方图均衡化和体素滤波进行去噪和图像增强。特征提取阶段利用三维稀疏卷积结合哈希表实现高效计算,并通过堆叠的稀疏卷积和子流形卷积保持特征稀疏性。时空特征感知引入GRU和GCN分别捕获运动状态和空间结构。检测网络使用多模态注意力融合特征,基于锚框生成候选框。经过NMS和RoI池化优化后,全连接层预测类别和置信度,并使用多任务损失函数提升检测性能。实验表明,该算法在动态交通场景3D目标检测中具有良好的性能,平均检测精度达96%,检测时间短,召回率超过93%,具有实际应用价值。
周安顺;江淼;刘尚东;邵思思;张浜浜;章烨
南京邮电大学通信与信息工程学院,江苏南京210003南京邮电大学计算机学院,江苏南京210023南京邮电大学计算机学院,江苏南京210023无锡学院网络空间安全学院,江苏无锡214000北京科技大学数理学院,北京100083南京邮电大学通信与信息工程学院,江苏南京210003
信息技术与安全科学
动态交通场景多模态稀疏点云时序感知3D稀疏卷积GRU3D目标检测
《南京邮电大学学报(自然科学版)》 2026 (5)
P.111-120,10
国家重点研发计划(2023YFB2904004,2023YFB2904000)资助项目。
评论