基于Transformer的体素化激光点云目标检测算法

作者：康自祥; 王升哲^*; 崔雨勇; 高欣仪; 陈旺成

来源：激光与红外, 2023, 53(02): 202-207.

• 深度学习
• Transformer
• 体素
• 点云
• 目标检测

3D点云目标检测是计算机3D视觉中的一个关键技术，本文针对激光雷达点云数据的稀疏性、无序性和数据量大，导致神经网络运算效率慢、检测精度低等问题，开展了基于激光雷达点云的目标检测算法研究。在激光雷达点云数据处理阶段，我们将原始点云数据体素化，解决了点云稀疏性和无序性问题，然后使用多层特征下采样层构建特征金字塔，实验验证了该方法使网络在训练阶段更快收敛，有效减少点云数据量大导致的网络运算开销，网络运算效率提升～39%;同时，我们通过引入Transformer注意力模块，提高网络对点云目标关键特征的学习能力，使目标检测的准确率达到88.5%。总体实验结果表明，本文算法在确保检测精度的前提下，提升了网络运算效率。

• 单位
  西南技术物理研究所