基于多尺度融合和高阶交互的单目3D检测算法

来源：计算机技术与发展杂志2024年第10期北京时间：

作者：孙延康;王璇之;封澳;谢玉阳;肖建*

摘要：三维目标检测是三维场景理解的一项基础性和挑战性的任务,基于单目视觉的方法可以作为基于立体或基于雷达方法的经济替代。 该文提出了一种基于 MonoDLE 改进的单目 3D 检测算法,用于优化由尺寸形状与 3D 位置偏差产生的精度损失。 首先,提出了一个通用的多尺度池化注意力模块用于聚合更精细的多尺度特征并且高效地联系上下文信息。 其次,为了增强模型的高阶空间交互能力,还提出了由递归门控卷积和分组归一化构成的递归门控卷积块,用于替代基线架构上采样模块的卷积层,有效提升上采样模块的表征能力。 在单目 3D 检测通用数据集 KITTI 上的实验表明:经过多尺度池化注意力模块提高网络聚合特征的能力后,在 3D 视角且交并比大于 0. 7 的标准情况下,该算法的平均检测率指标 AP40从 13. 66 提升到 15. 10;经过递归门控卷积块增强模型的高阶空间交互能力后,在 3D 视角且交并比大于 0. 7 的标准情况下,该算法的平均检测率指标 AP40再次从 15. 10 提升到 15. 53;在两个模块协同作用下,在鸟瞰图视角且交并比大于 0. 7 的标准情况下,该算法的平均检测率指标 AP40同样从 19. 33 提升到 21. 95。

关键词：单目3D检测;特征金字塔池化;注意力机制;递归门控卷积;分组归一化