Improved PointPillar point cloud object detection based on feature fusion

Abstract

针对PointPillaråœ¨è‡ªåŠ¨é©¾é©¶é“è·¯åœºæ™¯ä¸‹å¯¹ç‚¹äº‘ç¨€ç–å°ç›®æ ‡æ£€æµ‹æ•ˆæžœå·®çš„é—®é¢˜ï¼Œé€šè¿‡å¼•å ¥ä¸€ç§å¤šå°ºåº¦ç‰¹å¾èžåˆç­–ç•¥å’Œæ³¨æ„åŠ›æœºåˆ¶ï¼Œæå‡ºä¸€ç§ç‚¹äº‘ç›®æ ‡æ£€æµ‹ç½‘ç»œPillar-FFNetã€‚é’ˆå¯¹ç½‘ç»œä¸­çš„ç‰¹å¾æå–é—®é¢˜ï¼Œè®¾è®¡äº†ä¸€ç§åŸºäºŽæ®‹å·®ç»“æž„çš„ä¸»å¹²ç½‘ç»œï¼›é’ˆå¯¹é¦ˆå ¥æ£€æµ‹å¤´çš„ç‰¹å¾å›¾æ²¡æœ‰å 分利用高层特征的语义信息和低层特征的空间信息的问题，设计了一种简单有效的多尺度特征融合策略；针对主干网络提取的特征图中信息冗余的问题，提出了一种卷积注意力机制。为验证所提算法的性能，在KITTIå’ŒDAIR-V2X-I数据集上进行实验。实验结果表明，所提出的算法在KITTI数据集上与PointPillarç›¸æ¯”ï¼Œæ±½è½¦ã€è¡Œäººå’Œéª‘è¡Œè€ çš„å¹³å‡ç²¾åº¦æœ€å¤§æé«˜åˆ†åˆ«ä¸º0.84%，2.13%å’Œ4.02%；在DAIR-V2X-I数据集上与PointPillarç›¸æ¯”ï¼Œæ±½è½¦ã€è¡Œäººå’Œéª‘è¡Œè€ çš„å¹³å‡ç²¾åº¦æœ€å¤§æé«˜åˆ†åˆ«ä¸º0.33%，2.09%å’Œ4.71%ï¼Œç”±æ­¤è¯æ˜Žäº†æ‰€ææ–¹æ³•å¯¹ç‚¹äº‘ç¨€ç–å°ç›®æ ‡æ£€æµ‹çš„æœ‰æ•ˆæ€§ã€‚