摘要
本发明涉及一种基于雷视融合的高鲁棒性三维目标检测方法,属于目标检测领域。该方法包括:采集激光点云数据和图像数据并预处理;提取预处理后的点云数据和图像数据的特征;将提取到的点云特征和图像特征转换为BEV特征,并融合两者的BEV特征;将融合特征输入训练好的三维检测网络,生成高鲁棒性的3D目标检测框。本发明通过结合激光雷达和相机两种模态的互补特性,充分发挥激光雷达提供的精准、全面的三维物体信息与相机提供的丰富语义信息的协同效应,且在带噪的数据集上有着更好的抗干扰力,显著提升了系统在多变场景下的鲁棒性,确保在低光、恶劣天气、遮挡等复杂条件下,依然能够高效、稳定地完成三维目标检测任务。
技术关键词
融合特征
深度感知相机
序列
交叉注意力机制
图像
鲁棒性
激光雷达
点云特征
激光点云数据
特征提取网络
深度神经网络
多层感知机
矩阵
坐标
编码
场景
系统为您推荐了相关专利信息
机器视觉定位
智能控制系统
电子芯片
图像处理器
视觉定位模块
道路图像数据
智能交通管理方法
车辆
定位地图
远程信息处理控制
负荷
综合监控平台
智能监控方法
电厂发电机组
电厂监控技术
故障检测模型
二维卷积神经网络
故障检测方法
电流
数据