基于偽點云融合的多模態(tài)三維目標檢測方法

摘要： 針對目前的純激光雷達三維檢測方法不可避免地受到點云稀疏性的影響，且激光雷達掃描得到的點云數(shù)據(jù)在遠距離表現(xiàn)比近距離更加稀疏導致模型訓練過程中正負樣本不均衡的問題，提出一種新的基于偽點云融合的多模態(tài)框架MCA-VoxelNet,它由兩個關(guān)鍵設計組成：利用深度補全產(chǎn)生的偽點云來解決點云稀疏性問題，并且通過距離感知采樣模塊丟棄大量附近的冗余體素來提高計算效率；利用多階段級聯(lián)注意力檢測結(jié)... （共12頁）