基于改进PointPillars的3D目标检测算法

摘要

针对自动驾驶场景下远距离及遮挡目标识别问题，对PointPillars算法进行了改进。引入了并行的空间注意力和通道注意力机制，增强了目标的位置信息及有用特征通道权重，提高了远距离目标的检测精度。在2D CNN骨干网络中引入了自适应空间特征融合模块，解决了特征拼接的信息丢失问题，提高了遮挡目标的检测精度。基于KITTI数据集在3种不同场景难度下分别对SECOND、PointPillars、改进PointPillars这3种算法进行了定量分析验证，并将改进的PointPillars算法进行可视化分析。定量分析表明，改进PointPillars算法在鸟瞰图模式下目标检测精度最大提升2.75%;在三维模式下目标检测精度最大提升2.93%;在AOS模式下目标检测精度最大提升4.05%,可视化结果表明改进的PointPillars算法能有效检测远距离及遮挡目标。

关键词

目标检测 / PointPillars / 注意力机制 / 点云 / 自适应空间特征融合

基金资助

国家自然科学基金项目(52102465);; 山东重大科技创新工程项目(2023CXGC010111)