融合注意力机制与残差网络的三维目标检测

摘要

针对三维目标检测算法中存在的稀疏点误检率高，以及无法充分提取目标特征等问题，基于Point Pillars提出一种融合注意力机制与残差网络的三维目标检测算法。在特征网络层中引入空间注意力机制，选择感兴趣的特征区域进行特征学习，减少背景点与噪点的干扰。将传统2D卷积替换为残差骨干网络，使特征在网络层之间的传播中更加快速有效，从而显著提高模型的特征提取能力。实验结果表明，在KITTI数据集moderate检测难度下，与基线模型相比，所提算法在汽车、行人和骑行者上的3D检测精度分别提高了2.32%、1.97%和3.27%，在Jetson Orin AGX设备上的单帧推理耗时约为102 ms，验证了改进算法的有效性。

关键词

三维目标检测 / 自动驾驶 / Point Pillars / 伪图像 / KITTI