一种面向复杂交通场景的激光点云三维目标检测模型及方法

本发明公开了一种面向复杂交通场景的激光点云三维目标检测模型及方法，模型中的三维编码器有利于远距离目标和小目标的检测，稀疏卷积和子流形卷积能够大大提高体素特征的编码效率，二维编码器的残差结构可以保持更完整的信息，有利于远距离目标和小目标的检测，同时网络更易优化，通过自校准卷积可以在原始尺度和自校准尺度分别进行特征提取，扩大感受野，提取到更完整、丰富的特征，通过空间注意力和通道注意力在空间方向和通道方向增强有用特征表达，抑制无用信息。本发明最终的检测精度为车辆81.88％，行人47.82％，骑行者69.81％，平均精度为66.25％，比现有VOXEL RCNN算法提高了9.9％，在RTX 2080Ti显示上实现了13.8FPS，检测精度和速度能够满足智能车在复杂交通环境的感知需求。
江苏大学