论文部分内容阅读
高精度的三维目标检测是实现物体感知的关键技术,对自动驾驶、机器人控制等应用的落地具有重要意义.为提高三维目标检测的精度,对算法VoteNet改进,提出了一种基于残差网络的端到端的高精度三维点云目标检测网络ResVoteNet.具体来说,设计了适用于点云数据的残差网络骨架,提出了残差特征提取模块以及残差上采样模块,并集成进VoteNet框架.残差网络结构的引入增强了网络对点云数据的特征提取和学习能力,并且提高了模型的鲁棒性.该算法在公开的大规模点云数据集SCANNET和SUN-RGBD上进行实验,平均检测精度mAP分别达到61.1％和59.9％,超越了当前最先进水平的其他算法.