融合多尺度特征和自适应NMS的3D目标检测

来源：电子测量技术杂志2025年第4期北京时间：

作者：张李辉，刘紫燕

单位：1.贵州大学大数据与信息工程学院 贵阳 550025;2.贵州大学公共大数据国家重点实验室 贵阳 550025

摘要：3D目标检测是自动驾驶感知系统的关键技术之一，能准确检测驾驶环境的状态从而保证行车安全。针对自动驾驶场景中行人和骑行者等小目标的3D检测精度较低的问题，提出一种基于多尺度特征和自适应非极大值抑制的3D目标检测算法。首先，设计多尺度特征提取器，以获取大、中、小尺度的特征。其次，设计多尺度检测头以生成不同尺寸目标的候选框，从而补充小目标候选框。为了平衡多尺度候选框的数量，设计一种基于ANMS的候选框筛选算法，提高了对不同尺寸目标的检测精度。在KITTI数据集上的结果表明，改进算法在确保汽车类目标检测精度的同时，对行人和骑行者的检测精度达到62.57%和73.30%，比基线算法高2.04%和1.33%，验证了改进算法在小目标检测方面具有较好的3D检测性能。

关键词：3D目标检测;多尺度特征;自适应非极大值抑制

基金资助：贵州省科学技术基金（黔科合基础［2016］1054）、贵州省普通高等学校工程研究中心项目（黔教合KY字［2018］007）资助