科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对远距离或遮挡场景中形状缺失的弱感知目标的检测精度低下的问题，提出一种基于点云补全和多分辨Transformer的弱感知目标检测方法（WP-CMT）。首先，考虑到目标检测网络中的下采样卷积操作会导致部分关键信息丢失，选取具有反卷积上采样结构的部分感知聚合（Part-A~2）方法作为基础网络生成初始候选框；然后，为增强初始候选框中的弱感知目标形状及位置特征，采用点云补全算法重构弱感知目标表面密集点集并构建新颖的多分辨Transformer特征编码算法来聚合弱感知目标的补全形状特征和原始空间位置信息，通过逐步编码不同分辨率局部坐标点集上聚合特征的上下文语义相关性以捕获弱感知目标增强的局部特征，最终生成精细化的目标检测框。KITTI和Waymo数据集上的实验结果表明对于弱感知困难级别目标样本，所提方法 WP-CMT的检测精度比基准方法 Part-A~2分别提升了2.51个百分点和1.59个百分点，证明了该方法对弱感知目标检测的有效性；消融实验证明所提方法 WP-CMT中的点云补全和多分辨Transformer特征编码算法对于不同类型的候选区域生成网络（RPN）结构均能有效提升弱感知目标的检测性能。
- 单位
