基于原始点云的三维目标检测算法

来源：计算机工程与应用杂志2023年第3期北京时间：

作者：张冬冬, 郭杰, 陈阳

单位：陆军工程大学，南京 210007

摘要：针对当前三维目标检测中存在的数据降采样难、特征提取不充分、感受野有限、候选包围盒回归质量不高等问题，基于3DSSD三维目标检测算法，提出了一种基于原始点云、单阶段、无锚框的三维目标检测算法RPV-SSD（random point voxel single stage object detector），该算法由随机体素采样层、3D稀疏卷积层、特征聚合层、候选点生成层、区域建议网络层共五个部分组成，主要通过聚合随机体素采样的关键点逐点特征、体素稀疏卷积特征、鸟瞰图特征，进而实现对物体类别、3D包围盒以及物体朝向的预测。在KITTI数据集上的实验表明，该算法整体表现良好，不仅能够命中真值标签中的目标并且回归较好的包围盒，还能够从物体的不完整点云推测出物体的类别及其完整形状，提高目标检测性能。

关键词：深度学习,原始点云,目标检测,单阶段,无锚框