一种基于Transformer的室内多模态3D目标检测方法

本发明公开了一种基于Transformer的室内多模态3D目标检测方法，属于人工智能与计算机视觉技术领域。该方法通过融合点云数据和RGB图像数据，结合创新的Geo‑ResAlign空间对齐模块和FusionNet多模态融合模块，有效解决了传统方法中因点云数据稀疏、多模态对齐误差及特征利用不充分导致的检测精度低、鲁棒性差的问题。具体实施中，首先对点云和图像数据进行预处理和特征提取；随后通过Geo‑ResAlign模块的逆几何对齐机制和残差对齐机制，消除多模态数据的空间偏差；再利用FusionNet模块进行跨模态特征融合，通过置信度筛选、动态加权和Transformer自注意力机制实现深度交互；最终生成3D边界框和目标类别信息。本发明显著提升了复杂室内场景下的检测精度与效率，可广泛应用于机器人导航、智能安防、工业自动化等领域。