-
公开(公告)号：CN112862719B
公开(公告)日：2022-02-22
申请号：CN202110200863.3
申请日：2021-02-23
Applicant: 清华大学
Abstract: 本发明的公开了一种基于图卷积的激光雷达数据胞体特征增强方法，所述方法包括：步骤1)对实时采集的雷达点云数据进行胞体划分以及信息提取，得到胞体化数据；步骤2)对胞体化数据进行构图，形成图结构；步骤3)将图结构输入图卷积单元，对图结构中的每个节点进行特征增强，将特征增强后的图结构再次输入图卷积单元，反复执行多次，直至达到循环次数；步骤4)将最后一次图卷积单元输出的增强后的胞体特征传递给后端目标检测网络，完成目标检测任务。本发明的方法提出对胞体之间信息进行融合，提升了个个胞体捕捉实例目标信息的能力，提高了3D目标检测方法的准确性。
-
公开(公告)号：CN113610044B
公开(公告)日：2022-02-15
申请号：CN202110955241.1
申请日：2021-08-19
Applicant: 清华大学
IPC: G06V20/58 , G06V10/77 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G01S17/931 , G01S17/89 , G01S17/06
Abstract: 本发明公开了一种基于自注意力机制的4D毫米波三维目标检测方法，包括：实时采集4D毫米波雷达点云数据并进行预处理；将预处理后的4D毫米波雷达点云数据输入预先训练好的三维目标检测模型，输出目标检测结果；三维目标检测模型包括：鸟瞰视图体素化模块、立柱自注意力特征提取模块、CNN主干网络和PRN检测头；鸟瞰视图体素化模块，用于对4D毫米波雷达点云数据在鸟瞰图视角进行体素化操作，提取整个空间的特征信息F；立柱自注意力特征提取模块，用于利用特征信息F，基于自注意力机制提取点云全局特征，生成一个BEV伪图像；CNN主干网络，用于对BEV伪图像进行特征提取，输出特征图；PRN检测头，用于对特征图进行目标检测，输出3D目标检测结果。
-
公开(公告)号：CN112862719A
公开(公告)日：2021-05-28
申请号：CN202110200863.3
申请日：2021-02-23
Applicant: 清华大学
Abstract: 本发明的公开了一种基于图卷积的激光雷达数据胞体特征增强方法，所述方法包括：步骤1)对实时采集的雷达点云数据进行胞体划分以及信息提取，得到胞体化数据；步骤2)对胞体化数据进行构图，形成图结构；步骤3)将图结构输入图卷积单元，对图结构中的每个节点进行特征增强，将特征增强后的图结构再次输入图卷积单元，反复执行多次，直至达到循环次数；步骤4)将最后一次图卷积单元输出的增强后的胞体特征传递给后端目标检测网络，完成目标检测任务。本发明的方法提出对胞体之间信息进行融合，提升了个个胞体捕捉实例目标信息的能力，提高了3D目标检测方法的准确性。
-
公开(公告)号：CN113610044A
公开(公告)日：2021-11-05
申请号：CN202110955241.1
申请日：2021-08-19
Applicant: 清华大学
Abstract: 本发明公开了一种基于自注意力机制的4D毫米波三维目标检测方法，包括：实时采集4D毫米波雷达点云数据并进行预处理；将预处理后的4D毫米波雷达点云数据输入预先训练好的三维目标检测模型，输出目标检测结果；三维目标检测模型包括：鸟瞰视图体素化模块、立柱自注意力特征提取模块、CNN主干网络和PRN检测头；鸟瞰视图体素化模块，用于对4D毫米波雷达点云数据在鸟瞰图视角进行体素化操作，提取整个空间的特征信息F；立柱自注意力特征提取模块，用于利用特征信息F，基于自注意力机制提取点云全局特征，生成一个BEV伪图像；CNN主干网络，用于对BEV伪图像进行特征提取，输出特征图；PRN检测头，用于对特征图进行目标检测，输出3D目标检测结果。
-
-
-
Search Results
4
records
(took 0.013 seconds)
