一种面向智能驾驶的单阶段点云三维目标检测算法

摘要

为解决点云三维目标检测算法中单阶段网络与双阶段网络在检测精度和检测效率之间难以平衡的问题，提出一种基于点云体素的伪双阶段三维目标检测网络—AFPNet。构建轻量化的中心热图模块预测目标中心点，去除传统区域建议网络中的锚框设置与非极大值抑制操作。为更好地利用多尺度体素特征，设计了AFP-Cross-Attention模块，通过设计的自适应特征池化(AFP)方法，在多尺度体素中提取高价值特征并进行交叉注意力计算，与全局注意力相比有效减少了计算量。基于AFP方法搭建了AFP-Transformer检测头，建模查询特征与高价值特征的依赖关系，提升网络精度。实验结果表明：在KITTI数据集上，所提方法在3种主要目标类别的平均精度均值(mAP)方面相较基准方法分别提升了1.43%、5.23%和4.41%,平均每帧推理时间为34.19 ms,有效缩短了单阶段和双阶段网络之间的精度差距，保留了良好的检测效率。

关键词

点云 / 三维目标检测 / 自适应特征池化 / 注意力机制

基金资助

国家自然科学基金项目(52275051); 重庆交通大学自然科学类揭榜挂帅项目(XJ2023000701); 重庆市研究生导师团队建设项目(JDDSTD2022007); 重庆市研究生联合培养基地建设项目(JDLHPYJD2022001)