基于双目视觉的三维目标检测算法研究

• 作者: 王一强 陶洋
• 学科: 工学
• 关键词: 三维目标检测 区域卷积神经网络 统一动态样本加权
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 人工智能与算法
• 页码范围: 19-25
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.0730

摘要

随着无人驾驶技术的革新与发展,三维目标检测技术进入了大众的视野,相比于传统的基于激光雷达和基于单目的三维目标检测算法,基于双目视觉的检测技术具有更高的性价比,但是其检测效果仍待提高.因此,本文提出一种基于改进立体区域卷积神经网络(Stereo Region Convolutional Neural Network,Stereo RCNN)算法的F R-CNN三维目标检测算法.本文所提算法通过在Stereo R-CNN算法的特征提取网络中加入频域通道注意力模块(Frequency Channel Attention Network,FcaNet),使模型从特征多样性的角度出发关注更多与目标相关的语义信息,减轻深层残差网络权重变化所带来的影响,提升网络的特征提取能力.与此同时,引入统一动态样本加权策略,在进行训练时合理分配多任务间的损失权重,在关注"困难"样本重要程度的同时考虑"简单"样本的贡献度,提取目标更为全面的关键特征信息.实验结果表明,改进后的FR-CNN三维目标检测算法较StereoR-CNN算法在三维目标定位平均精度上提升了 3％,在三维目标检测平均精度上提升了约2％.