基于点云图卷积神经网络的3D目标检测

来源：上海理工大学学报杂志2024年第3期北京时间：

作者：刘振威，黄影平，梁振明，杨静怡

单位：上海理工大学 光电信息与计算机工程学院，上海 200093,上海理工大学 光电信息与计算机工程学院，上海 200093,上海理工大学 光电信息与计算机工程学院，上海 200093,上海理工大学 光电信息与计算机工程学院，上海 200093

摘要：随着激光雷达传感器的快速发展，目标检测算法从传统的2D检测快速转向3D检测。然而，激光雷达产生的点云是不规则和非结构化的数据，传统的卷积神经网络无法对其进行处理。基于此提出了一种新颖的图卷积神经网络，能够更好地利用数据的几何关系和拓扑结构直接从点云中学习特征以进行3D目标检测。首先将原始激光雷达点云数据进行下采样，再进行固定半径邻域图的构建，随后设计了一个新型的图卷积神经网络对点云进行编码来预测图中每个顶点所属对象的类别和形状。为提升检测准确度，网络中加入了一种校准机制来减少特征在不同维度变化时引入的平移误差，此外还引入了注意力机制，以使用权重来进一步强化输出的顶点特征。在 KITTI 数据集上进行实验，实验结果表明，此方法能够有效对3D目标进行检测。对比其他多种检测算法，此方法在检测准确度上具有一定的优势。

关键词：图;图卷积神经网络;激光雷达点云;3D目标检测

基金资助：国家自然科学基金资助项目（62276167）；上海市自然科学基金资助项目（20ZR1437900）