基于点云深度学习的3D目标检测
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金地区基金资助项目(No.41561091);江西省教育厅科学技术研究项目(No.GJJ150663);江西省教育厅科学技术研究项目(No.GJJ150629);江西省教育厅科学技术研究项目(No.GJJ180501)资助


3D object detection based on point cloud deep learning
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对目前利用点云进行3D目标检测的研究较少和检测精度不高的问题,利用Frustum-Pointnets模型实现基于点云的3D目标检测,并在该模型的基础上进行改进,选用不同的激活函数和参数初始化方法进行组合对比,进一步提高模型的精度。实验表明:在选用Swish激活函数和He参数初始化方法时汽车平均检测精度提高了0.31 %,行人平均检测精度提高了0.41 %,骑车人平均检测精度提高了5.5 %。因此改进后的模型能有效提高检测的精度,使得模型能够应用在复杂的场景中。

    Abstract:

    In terms of current situation of insufficient researches and accuracy issue for 3D Object Detection of Point Cloud,higher model accuracy is possible to be achieved by improved Frustum-Pointnets model based on 3D Object Detection of Point Cloud,and under the cross-reference by means of different activation and initialization.Experimental results shows that using Swish activation and He initialization for detecting bring about,averagely,0.31% accuracy growth for cars detection,0.41% for pedestrians and 5.5% for cyclist.Accordingly,improved model is able to enhance the detection accuracy to be applied to complex occasions.

    参考文献
    相似文献
    引证文献
引用本文

敖建锋,苏泽锴,刘传立,李美妮,朱滨.基于点云深度学习的3D目标检测[J].激光与红外,2020,50(10):1276~1282
AO Jian-feng,SU Ze-kai,LIU Chuan-li,LI Mei-ni,ZHU Bin.3D object detection based on point cloud deep learning[J].LASER & INFRARED,2020,50(10):1276~1282

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2020-10-28
  • 出版日期: