基于深度学习的3D目标检测算法研究

康晴，汤超，李婧萱，崔振

摘 要： 虽然Voxel R-CNN对于3D点云目标检测具有快速性以及对车辆目标检测有较高精度，但对行人以及骑车人目标存在检测精度低的问题。介绍了一种多尺度改进的体素ROI池化方法，并在BEV特征提取网络中引入通道注意力机制，进一步提高算法对于小目标检测的精度。实验结果表明，提出的算法不仅保持了对于车辆检测的较高精度，并且在行人以及骑车人目标检测场景中拥有更高的检测精度。

关键词： 3D点云目标检测; 通道注意力; 多尺度; Voxel R-CNN

中图分类号：TP391          文献标识码：A     文章编号：1006-8228（2022）06-44-05

Research on 3D object detection algorithm based on deep learning

Kang Qing1， Tang Chao2， Li Jingxuan1， Cui Zhen2

（1. School of Automation， Nanjing University of Science and Technology， Nanjing， Jiangsu 210094， China;

2. School of Computer Science and Engineering，Nanjing University of Science and Technology）

Abstract： Although Voxel R-CNN has high speed for 3D point cloud object detection and high precision for vehicle detection， it still has the problem of low accuracy in pedestrian and cyclist detection. In this paper， a multi-scale improved voxel ROI pooling method is presented， and channel attention mechanism is introduced to the BEV feature extraction network to promote the accuracy for small object detection. Experiments show that the proposed algorithm not only maintains the high accuracy of vehicle detection， but also has higher accuracy in pedestrian and cyclist detection.

Key words： 3D point cloud object detection; channel attention; multi-scale; Voxel R-CNN

0 引言

随着自动驾驶，机器人视觉，虚拟现实增强技术等领域研究的发展，3D点云目标检测作为其中的关键技术而受到广泛的关注，应用前景十分广阔。3D点云目标检测作为自动驾驶的关键技术已经取得了长足的进步，然而由于点云的稀疏性、无序性等特点，3D点云目标检测还存在着诸多难点，目前利用点云进行深度学习的方法主要基于体素、基于点、基于视图三种。

基于体素的方法将不规则的点云输入划分为规则网格，便于应用卷积神经网络进行特征提取。VoxelNet[1]通过体素特征编码（Voxel Feature Encoding，VFE）层，将点状特征与局部聚集的特征相结合，提高了基于体素的目标检测精度。基于点云的稀疏性，SECOND[2]（Sparsely embedded convolutional detection）通过引入新的角度损失回归方法来提高定位精度，并通过稀疏卷积使处理速度得以提升。PointPillars[3]通过2D卷积网络对点云生成的伪图像进行处理，从而大大提高了处理速度。基于点的方法使用原始点云数据作为输入，PointRCNN[4]基于原始的点云数据，以自下而上的方案生成三维区域候选框。……