[1]江泽宇,赵芸.基于边缘卷积的三维目标识别算法[J].浙江科技学院学报,2021,(03):214-219.
 JIANG Zeyu,ZHAO Yun.3D target recognition algorithm based on edge convolution[J].,2021,(03):214-219.
点击复制

基于边缘卷积的三维目标识别算法(/HTML)
分享到:

《浙江科技学院学报》[ISSN:1001-3733/CN:61-1062/R]

卷:
期数:
2021年03期
页码:
214-219
栏目:
出版日期:
2021-06-30

文章信息/Info

Title:
3D target recognition algorithm based on edge convolution
文章编号:
1671-8798(2021)03-0214-06
作者:
江泽宇赵芸
 浙江科技学院 信息与电子工程学院,杭州 310023
Author(s):
JIANG Zeyu ZHAO Yun
School of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China
关键词:
边缘特征边缘卷积欧氏距离视锥KITTI
分类号:
TP183
文献标志码:
A
摘要:
 三维目标检测是实现无人驾驶必不可少的技术,但很多三维检测算法采用的分割算法并不能很好地提取局部特征,导致检测精度不理想。为了改善局部特征缺失的情况,提出一种基于边缘卷积的三维目标识别算法。本算法以激光点云和RGB(red,green,blue)图像作为输入,基于二维候选区域中的像素过滤激光点云生成视锥点云,以此提高检测速度。同时,在分割算法中,在点云的局部特征图的基础上计算目标点和相邻点之间的欧氏距离,并将其作为边缘特征赋予目标点和相邻点。此外,在卷积神经网络提取特征的过程中,每次卷积完成后都会在新的局部特征图上重新计算三维点之间的欧氏距离,为三维点构造新的边缘特征。这使得边缘特征能随着卷积神经网络的计算扩散到整个点云,从而提高局部特征的提取效果。本算法在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)的三维点云数据集上进行验证,分割精度达到92.82%,相比于FPointNet提高了2.30百分点;对不同目标的检测精度也有所提高,车辆、自行车、行人的检测精度分别达到了85.77%,76.09%,53.08%。试验结果证明了本算法的可行性。本算法可应用于无人驾驶汽车,实现车辆、行人和自行车的定位与检测。

 



 



 

相似文献/References:

[1]陈宁,洪丰,白冰.基于边缘特征和霍夫变换的斑马线识别方法[J].浙江科技学院学报,2019,(6):476.

更新日期/Last Update: