面向目标检测的图特征增强点云采样方法

摘要

激光雷达采集的点云中，前景目标点所占比例较小，传统无监督采样方法难以选择性地保留足够多的前景点，导致部分目标信息丢失，影响基于点云的目标检测网络性能.本文提出了一种图特征增强的并行点云采样方法，利用前/背景分类标签进行监督，显著提高了采样点中前景点的比例.与直接使用点特征进行监督的方法相比，所提出的基于图特征的方法能够更好地捕捉点云的局部几何信息，适用于目标检测网络的浅层采样过程.在KITTI和nuScenes自动驾驶数据集上的实验结果表明：本文方法采样的前景点比例高达99%，能够有效提取受遮挡目标和远处目标等点云稀疏区域的特征信息，从而提高目标检测网络的性能.引入该方法后，对困难情况下的车辆、行人和两轮车的检测平均精度分别提升了8.58%、2.27%和3.12%.此外，该方法设计灵活，易于集成到依赖点云采样过程的各种3D点云任务中.

关键词

激光雷达 / 点云采样 / 前景点 / 目标检测 / 图特征 / 自动驾驶

基金资助

国家自然科学基金资助项目（62273035,U21A20475）