摘要
本发明提出一种基于端到端单阶段3D目标检测模型的检测方法。该模型采用PointNet++风格的3D主干维持高速推理,通过设计的分层编码‑解码(HED)和混合变压器(HT)模块在Neck结构中将逐点特征投影至平面,聚合局部与全局信息。HED通过卷积层填充未占用空间特征,增强局部特征学习;HT利用变压器的全局学习能力扩展感受野。这些模块仅处理关键点,保持特征图的稀疏性,确保推理效率。最终,查询特征被反向投影到点上,增强特征后输入检测头进行预测。在KITTI数据集上的实验显示,DRF‑SSD在3D平均精度(AP3D)上比以往方法有显著提升,分别在简单、中等和困难的设置下提高了2.25%、0.66%和0.42%,证明了该方法的有效性和对其他点基探测器的实质性提升。
技术关键词
分层编码器
混合深度学习
阶段
下采样方法
解码器
网格特征
双线性插值
注意力
关键点
压缩特征
模块
特征值
点云
角落组件
采样点
网络
激光雷达
语义
物体
系统为您推荐了相关专利信息
多智能体深度强化学习
优化运行方法
集群
建筑单元
多智能体强化学习
网络入侵检测方法
网络入侵检测模型
网络通信
网络流量特征
标签特征
对齐模块
可变形卷积层
多尺度感知损失
编码器模块
融合特征