基于强语义关键点采样的三维目标检测方法

来源：计算机工程与应用杂志2024年第9期北京时间：

作者：车运龙, 袁亮, 孙丽慧

单位：1.北京化工大学 信息科学与技术学院，北京 100029；2.航天工程大学 士官学校，北京 100000

摘要：目标检测算法中关键信息的特征提取是影响算法精度的重要因素。针对当前三维目标检测算法中存在的关键点采样困难、特征提取不充分等问题，借鉴PV-RCNN三维目标检测网络，提出一种基于强语义关键点采样的三维目标检测方法SSPS-RCNN（strong semantic point sampling RCNN）。在关键点采样阶段，该算法采用语义加权点采样和提案区域点过滤相融合的方法，获得更具特征代表性的采样关键点，以提升采样点中前景点的比例；在不增加网络结构的基础上，将语义信息重新加权关键点特征，以进一步细化关键点的特征贡献提升算法精度。在KITTI数据集上的实验结果表明该算法与现有主流算法相比，对减少物体检测中的漏检与错检问题和整体检测精度提升，表现出良好的稳定性和鲁棒性。

关键词：深度学习,激光雷达,三维目标检测,特征融合