基于Contextual Transformer的自动驾驶单目3D目标检测

来源：计算机工程与应用杂志2024年第19期北京时间：

作者：厍向阳, 颜唯佳, 董立红

单位：西安科技大学 计算机科学与技术学院，西安 710054

摘要：针对当前单目3D目标检测中存在的漏检和多尺度目标检测效果不佳的问题，提出了一种基于Contextual Transformer的自动驾驶单目3D目标检测算法（CM-RTM3D）。在ResNet-50网络中引入Contextual Transformer（CoT），构建ResNet-Transformer架构以提取特征。设计多尺度空间感知模块（MSP），通过尺度空间响应操作改善浅层特征的丢失情况，嵌入沿水平和竖直两个空间方向的坐标注意力机制（CA），使用softmax函数生成各尺度的重要性软权重。在偏移损失中采用Huber损失函数代替L1损失函数。实验结果表明：在KITTI自动驾驶数据集上，相较于RTM3D算法，该算法在简单、中等、困难三个难度级别下，AP3D分别提升了4.84、3.82、5.36个百分点，APBEV分别提升了4.75、6.26、3.56个百分点。

关键词：自动驾驶,单目3D目标检测,Contextual Transformer,多尺度感知,坐标注意力机制