Fast Stereo-RCNN三维目标检测算法

作者：迟旭然; 裴伟^*; 朱永英; 王春立; 史良宇; 李锦峰

来源：小型微型计算机系统, 2022, 43(10): 2157-2161.

DOI：10.20009/j.cnki.21-1106/TP.2021-0167

• 人工智能
• 深度学习
• 三维目标检测
• 无人驾驶

智能机器人、无人驾驶等技术的飞速发展在引领产业变革的同时对环境感知技术提出了新的挑战.基于视觉的三维目标检测算法的性能有了大幅提升，直逼激光雷达，但检测速度离产业实时性需求还有较大差距，成为产业发展的瓶颈之一.鉴于此，本文提出一种基于Stereo-RCNN的Fast Stereo-RCNN三维目标检测算法，用单支路网络检测三维框的多个角点重构三维中心点，轻量区域生成网络固化三维关键点，二分支关键点检测网络锐化目标辨识能力，双层特征融合网络缩短低层特征到高层特征的传递路径.实验结果表明，Fast Stereo-RCNN在检测精度提高的同时检测时间从0.3秒/帧降到了0.11秒/帧，提高了1.72倍.

• 单位
  土木工程学院; 大连海洋大学; 环境科学与工程学院; 大连海事大学