摘要
一种基于多模态融合的无人机动态环境3D目标检测方法和装置,其方法包括:对4D毫米波雷达和相机标定,得到毫米波雷达和相机间位姿关系;将4D毫米波雷达点云数据预处理,得到去噪后的点云图像,对去噪后的点云图像进行特征提取;使用隐空间正态估计,得到相邻帧之间的位姿矩阵,再通过全局离散化分析,实现运动场景下多帧点云姿态校正和融合,增强点云数据;处理雷达点云和相机图像,通过特征提取网络,得到BEV特征图;使用双头通道注意力机制和交叉注意力机制融合BEV特征;设计基于锚框的检测头模块,针对不同检测目标进行差异化设置;采用不同数据集和不同测试场景验证,获得3D目标检测结果。本发明提出了隐空间正态估计法关联时空信息,进行多帧拼接,增加点云的密集程度,提高目标特征的表现。
技术关键词
多模态
无人机
交叉注意力机制
通道注意力机制
特征提取网络
雷达点云数据
图像
动态
姿态校正
坐标点
高斯核函数
ResNet网络
坐标系
核密度估计方法
代表
相机标定
测试场景
矩阵
系统为您推荐了相关专利信息
绝缘子缺陷
伽马校正
拉普拉斯
图像锐化方法
网络
声乐
深度学习模型
多模态
深度学习分析
表情特征
点云特征提取
铁路
分割方法
多层感知机
空间特征提取