基于特征融合的改进型PointPillar_点云目标检测 .pdfVIP

第31卷第19期光学精密工程Vol.31No.19

2023年10月OpticsandPrecisionEngineeringOct.2023

文章编号1004-924X（2023）19-2910-11

基于特征融合的改进型PointPillar点云目标检测

*

张勇，石志广，沈奇，张焱，张宇

国防科技大学电子科学学院ATR重点实验室，湖南长沙410073

（）

摘要：针对PointPillar在自动驾驶道路场景下对点云稀疏小目标检测效果差的问题，通过引入一种多尺度特征融合策略

和注意力机制，提出一种点云目标检测网络Pillar-FFNet。针对网络中的特征提取问题，设计了一种基于残差结构的主

干网络；针对馈入检测头的特征图没有充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KITTI和DAIR-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PointPillar

相比，汽车、行人和骑行者的平均精度最大提高分别为0.84%，2.13%和4.02%；在DAIR-V2X-I数据集上与PointPillar

相比，汽车、行人和骑行者的平均精度最大提高分别为0.33%，2.09%和4.71%，由此证明了所提方法对点云稀疏小目

标检测的有效性。

关键词：小目标检测；点云稀疏；PointPillar；残差结构；多尺度特征融合；卷积注意力

中图分类号：TP391.1文献标识码：Adoi：10.37188/OPE.2910

ImprovedPointPillarpointcloudobjectdetection

basedonfeaturefusion

*

ZHANGYong，SHIZhiguang，SHENQi，ZHANGYan，ZHANGYu

NationalKeyLaboratoryofScienceandTechnologyonAutomaticTargetRecognition，

（

CollegeofElectronicScienceandTechnology，NationalUniversityofDefenseTechnology，

Changsha410073，China

）

*Correspondingauthor，E-mail：szgstone75@

Abstract：Apointcloudobjectdetectionnetwork，Pillar-FFNet，isproposedbyintroducingamultiscale

smallsparseobjectsinpointcloudsinautonomousdrivingroadscenarios.First，abackbonenetwork

basedonaresidualstructureisdesignedforfeatureextractioninthenetwork.Second，asimpl