自注意力机制下融合图像和点云的三维目标检测

摘要

针对自动驾驶中对行人等较小目标及被遮挡目标检测精度较低的问题，提出一种基于自注意力机制的融合图像和点云的三维目标检测算法，在基于原始点云数据处理的F-PointNet网络上进行改进.首先，通过在点云特征提取网络中引入两层基于Transformer的自注意力机制模块，兼顾点云全局特征和局部特征，提高三维目标的检测精度.其次，在损失函数中引入弹性网络正则化权重衰减项，提高模型的泛化能力，实现更高精度的收敛.基于KITTI数据集进行对比实验，结果表明，引入自注意机制和弹性网络正则化后，在简单、中等和困难3种难度情境下，与初始模型对比，行人的检测精度分别提高6.47%、 6.31%和5.61%,骑行人的检测精度分别提高15.34%、 12.88%和11.79%.

关键词

图像 / 点云 / 三维目标检测 / 自注意力机制