基于前景识别的多视图三维目标检测方法
Abstract
针对传统多视图三维目标检测过程中前景目标提取效果不佳和动态场景下精度较低的问题，提出一种基于前景识别的多视图三维目标检测方法。首先，通过前景采样模块提取关键前景特征，有效减少背景干扰并降低计算复杂度。然后，通过交叉注意力金字塔方法对多尺度图像特征进行融合，从而捕捉检测场景中各对象之间的关系及其全局信息。为应对现有方法在动态场景中存在的语义歧义问题，在特征交互阶段引入三维可变形注意力机制，同时借助二维检测器，生成可靠物体位置与深度信息，增强模型对特征信息的提取和表达能力。针对多视角图像中因视角相近、区域重叠所引起的信息混淆问题，提出通道仿射变换方法，该方法将运动与时间信息精准对齐至图像特征空间，从而优化动态场景下的特征提取性能。为验证所提方法的有效性，在nuScenes数据集上进行了全面实验。结果表明，所提方法各项评估指标均表现优异，平均精度均值提升尤为显著，在验证集和测试集上分别达到了43.5%和48.5%。这充分证明了该方法具备卓越的三维目标检测与精准空间定位能力。
Fields of Study & Subjects
Advanced Neural Network Applications
Advanced Vision and Imaging
Autonomous Vehicle Technology and Safety
Publication details
- Journal / source
- Laser & Optoelectronics Progress
- Volume
- 63
- Issue
- 2
- Pages
- 0215011–0215011
- Publication date
- 1 January 2026
- Language
- EN