互注意力融合图像和点云数据的3D目标检测

为了利用图像信息辅助点云数据提高3D目标检测精度,需要解决图像特征空间和点云特征空间自适应对齐融合的问题.本文提出了一种多模态特征自适应融合的3D目标检测深度学习网络.首先,对点云数据体素化,基于体素内的点云特征学习体素特征表示,用3D稀疏卷积神经网络获取点云数据的特征,同时用ResNet神经网络提取图像特征.然后通过引入互注意力模块自适应对齐图像特征和点云特征,得到基于图像特征增强后的点云特征.最后在此特征基础上应用区域提案网络和分类回归多任务学习网络实现3D目标检测.在KITTI 3D目标检测数据集上的实验结果表明:在小汽车的简易、中等、困难三个不同检测难度等级上,平均检测精度分别为88.76％,77.63％和76.14％.该方法能够有效融合图像信息和点云信息,提高3D目标检测的准确率.