针对不规则且稀疏的点的提取特征问题，提出一种以动态卷积作为特征提取的3D点云目标检测算法.首先，以一种新型的动态卷积的方式自适应学习点的位置特征，分类出前景点与背景点，同时对提取出的前景点逐一做回归框；然后，用非极大值抑制选出分数值最好的回归框.其次，进行粒度的细化，得到修正规范的3D回归框，完成3D物体的目标检测.最后，在KITTI数据集上验证算法的有效性.结果表明：文中所提算法在汽车类、行人类、自行车类数据集上的3D点云目标检测精度更高.
科研之友
微信
新浪微博
Facebook
分享链接
