一种基于注意力机制和可变形卷积的点云目标检测方法技术

本发明专利技术涉及一种基于注意力机制和可变形卷积的点云目标检测方法，属于目标检测技术领域。本发明专利技术首先对原始点云数据进行特征编码，将点云空间编码为伪图像形式，再通过通道注意力模块与可变形卷积模块相结合，提高了网络对重要特征的提取能力以及特征形变的适应能力，本发明专利技术相对于VoxelNet、PointPillars模型在骑行者和车辆的检测精度上都有提高。行者和车辆的检测精度上都有提高。行者和车辆的检测精度上都有提高。

【技术实现步骤摘要】
一种基于注意力机制和可变形卷积的点云目标检测方法


[0001]本专利技术涉及一种基于注意力机制和可变形卷积的点云目标检测方法，属于目标检测


技术介绍

[0002]随着人工智能技术的不断进步，在自动驾驶领域的研究也有了很大的进展，利用激光雷达点云数据完成自动驾驶领域感知任务在工业界和学术界都受到了很大的关注，在自动驾驶场景中，环境感知任务作为核心任务，通常以周围目标物为信息，通过对这些信息进行处理进而实现对可行驶区域判断、目标识别、交通场景下的规则理解。点云数据不同于传统RGB图像，该类数据包含物体空间几何信息，能够准确地记录物体反射点的位置信息及结构信息。
[0003]通过划分将点云空间划分为体素，体素类似于图像中的像素，即将点云空间划分为方格，并对其进行特征编码，形成规则的特征表示空间，然后将其送入三维卷积中进行特征提取，进而完成最终的检测任务。基于点柱的方法在体素化基础上，忽略点云在Z轴方向上的信息，只使用X，Y两个坐标的信息，并进行编码为伪图像形式，再送入二维卷积中进行特征提取，最终完成检测任务，该种方法缩短了三维卷积造本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制和可变形卷积的点云目标检测方法，其特征在于：Step1：首先将原始点云数据空间划分为单个柱体，再将其通过特征编码的方式编码为伪图像，所述伪图像特征信息包括通道数、高度和宽度信息，使其能够适用于二维卷积方式进行特征提取；Step2：在伪图像上通过二维卷积进行特征提取，在此过程中，引入可变形卷积模块；Step3：在对网络中引入可变形卷积模块后，引入通道注意力模块，最终完成特征提取，得到特征图；Step4：将特征图送入检测器中，得到最终的输出特征图，完成检测任务。2.根据权利要求1所述的基于注意力机制和可变形卷积的点云目标检测方法，其特征在于所述Step1具体为：原始点云数据形式为(x，y，z，r)，只采用数据中的位置坐标信息，通过Pointpillars算法中的PFN层进行特征编码，将点云张量[x，y，z]转换为伪图像形式，转换后的点云数据特征张量为[B，C，H，W]，分别代表批次数、伪图像的通道数、高度以及宽度。3.根据权利要求1所述的基于注意力机制和可变形卷积的点云目标检测方法，其特征在于所述Step2中，可变形卷积模块具体为：其中，y(p0)表示可变形卷积模...

【专利技术属性】
技术研发人员：曾凯，朱明亮，朱艳，沈韬，谢江，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：