• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于混合路徑聚合網(wǎng)絡(luò)的點(diǎn)云目標(biāo)識(shí)別

    2023-12-04 11:12:48梁正友陳子奧蔡俊民
    關(guān)鍵詞:特征檢測方法

    梁正友,陳子奧,蔡俊民,孫 宇

    (1.廣西大學(xué) 計(jì)算機(jī)與電子信息學(xué)院,廣西 南寧 530004;2.廣西大學(xué) 廣西多媒體通信與網(wǎng)絡(luò)技術(shù)重點(diǎn)實(shí)驗(yàn)室,廣西 南寧 530004)

    0 引 言

    與二維目標(biāo)識(shí)別相比,點(diǎn)云具有輸入數(shù)據(jù)容量巨大,圖像結(jié)構(gòu)復(fù)雜,導(dǎo)致計(jì)算量大幅提升等問題,因此點(diǎn)云目標(biāo)識(shí)別是一個(gè)非常有挑戰(zhàn)的研究課題。

    早期基于深度學(xué)習(xí)的激光雷達(dá)點(diǎn)云識(shí)別普遍采用將3D點(diǎn)投影到2D點(diǎn)圖中,然后使用單一的2D端到端全卷積網(wǎng)絡(luò)來識(shí)別。Kurobe等[1]用局部特征與全局特征連接起來并回歸點(diǎn)云之間的對(duì)應(yīng)關(guān)系,而不是直接構(gòu)成或聚合特征,因此比傳統(tǒng)方法集成了更多有用的信息。Heyang Li等[2]提出了一種在三維激光雷達(dá)點(diǎn)云中精確地分割和提取鄉(xiāng)村路面目標(biāo)的方法,為了降低計(jì)算資源的需求,點(diǎn)云在進(jìn)行仿射變換之前被映射到一個(gè)二維圖像空間,陳強(qiáng)等[3]先計(jì)算源點(diǎn)云與目標(biāo)點(diǎn)云的內(nèi)部形態(tài)描述子關(guān)鍵點(diǎn),再求取關(guān)鍵點(diǎn)k鄰域內(nèi)優(yōu)化的點(diǎn)對(duì)信息然后進(jìn)行點(diǎn)云處理,大幅提高處理效率。胡輝等[4]的改進(jìn)R-FCN結(jié)合多尺度訓(xùn)練、可變形網(wǎng)絡(luò)的方法,降低了環(huán)境因素的影響,提高了檢測的精確度。

    Qi等[5]通過改進(jìn)原本將純點(diǎn)作為網(wǎng)絡(luò)輸入的模型,將兩個(gè)變化的原網(wǎng)絡(luò)模型實(shí)現(xiàn)分割和目標(biāo)檢測,由于投影矩陣是已知的,這樣就可以從二維圖像區(qū)域得到三維截錐了?;隗w素的方法是深度學(xué)習(xí)在目標(biāo)識(shí)別領(lǐng)域的重要發(fā)展,其最大的缺點(diǎn)是點(diǎn)云體素化后其體積非常龐大,運(yùn)算速度非常緩慢。Voxelnet[6]突破性地解決了基于點(diǎn)等方法逐點(diǎn)進(jìn)行運(yùn)算導(dǎo)致的模型運(yùn)算巨大問題,在此基礎(chǔ)上SECOND[7]通過改善了稀疏卷積網(wǎng)絡(luò),解決推理速度慢和朝向估計(jì)的性能差的問題,Alex等提出的Pointpillars[8]進(jìn)一步對(duì)Yan Yan的SECOND進(jìn)行優(yōu)化,把點(diǎn)云數(shù)據(jù)轉(zhuǎn)化成Pillar(點(diǎn)柱),然后用PillarVFE提取特征,這樣得到的鳥瞰圖,中間省略了SECOND中的稀疏卷積操作,此方法在損失了部分準(zhǔn)確率,但在識(shí)別速度上表現(xiàn)得十分優(yōu)秀。

    相較于VoxelNet,SECOND和Pointpillars等方法中強(qiáng)調(diào)提取點(diǎn)云數(shù)據(jù)中的語義特征,本文的方法加強(qiáng)了點(diǎn)云信息中的定位特征,能夠識(shí)別點(diǎn)云中的更多信息,使目標(biāo)準(zhǔn)確率提升。本文主要?jiǎng)?chuàng)新點(diǎn)和貢獻(xiàn)有:①設(shè)計(jì)了一種混合路徑融合的殘差金字塔網(wǎng)絡(luò),能夠提取包含點(diǎn)云語義信息和點(diǎn)云定位信息的點(diǎn)云特征;②在混合路徑的提取模塊中加入注意力機(jī)制,強(qiáng)化在殘差網(wǎng)絡(luò)中提取的點(diǎn)云定位特征,進(jìn)一步增加了模型對(duì)于有效特征的學(xué)習(xí)能力;③通過和其它方法在KITTI公開數(shù)據(jù)集上進(jìn)行對(duì)比分析,驗(yàn)證了本文方法在點(diǎn)云識(shí)別上的先進(jìn)性。

    1 點(diǎn)云識(shí)別網(wǎng)絡(luò)模型

    1.1 網(wǎng)絡(luò)結(jié)構(gòu)

    點(diǎn)云數(shù)據(jù)因?yàn)槠鋽?shù)據(jù)體積非常龐大的特點(diǎn),在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)會(huì)造成計(jì)算量也非常大,點(diǎn)云點(diǎn)柱化的設(shè)計(jì)很好地解決了這種計(jì)算量龐大的問題,因此本文采用了pointpillar網(wǎng)絡(luò)作為基礎(chǔ)網(wǎng)絡(luò),并增加了一個(gè)注意力模塊。本文的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示,由點(diǎn)柱特征提取、混合路徑聚合網(wǎng)絡(luò)(包括注意力、殘差金字塔等兩個(gè)子模塊)和檢測頭等3個(gè)模塊組成。

    圖1 網(wǎng)絡(luò)結(jié)構(gòu)

    點(diǎn)柱特征提取模塊將稀疏的三維數(shù)據(jù)轉(zhuǎn)換為堆疊的柱張量和柱指數(shù)張量,再通過簡化的Pointnet[5]網(wǎng)絡(luò)對(duì)張量化的點(diǎn)云數(shù)據(jù)進(jìn)行處理使其偽圖像化。這樣做的好處是直接使用柱子而不是體素來處理點(diǎn)云數(shù)據(jù),從而忽略了z軸方向上的差異,沒有了多個(gè)體素,將3D空間轉(zhuǎn)為2D偽圖像處理,大大提升運(yùn)行速度。

    混合路徑聚合網(wǎng)絡(luò),它包括了殘差金字塔模塊和注意力模塊兩個(gè)模塊。在殘差金字塔模塊中,點(diǎn)柱特征提取模塊傳遞的點(diǎn)云特征經(jīng)過處理,以提取和融合多尺度的特征信息。這樣的處理能夠有效地捕捉目標(biāo)的細(xì)節(jié)和上下文關(guān)系,從而提高定位準(zhǔn)確性。注意力模塊被應(yīng)用于獲取增強(qiáng)的定位特征。通過多層采樣和特征融合,注意力模塊能夠選擇和強(qiáng)化具有較高重要性的定位特征,并將其歸一化后與多尺度特征進(jìn)行合并,形成一個(gè)384維的預(yù)測特征,這樣的特征表示具有更強(qiáng)的表達(dá)能力和區(qū)分度。

    檢測頭模塊中包含了3個(gè)關(guān)鍵預(yù)測分支:分類預(yù)測、錨盒回歸預(yù)測和方向分類預(yù)測。這些預(yù)測分支的結(jié)合在輸入的預(yù)測特征中融合了語義信息和定位信息,從而顯著提高了目標(biāo)檢測的預(yù)測效果。

    1.2 混合路徑聚合網(wǎng)絡(luò)

    1.2.1 路徑聚合網(wǎng)絡(luò)

    目前最經(jīng)典的特征金字塔網(wǎng)絡(luò)[9](feature pyramids net)采用了ConvNet的金字塔特征層次結(jié)構(gòu)。該網(wǎng)絡(luò)首先以任意大小的單尺度圖像作為輸入,通過自底向上和自頂向下的網(wǎng)絡(luò)卷積操作,生成多尺度的圖像特征。通過橫向連接,這些特征被結(jié)合在一起,用于預(yù)測任務(wù)。這種網(wǎng)絡(luò)結(jié)構(gòu)具有從低級(jí)到高級(jí)的語義信息,構(gòu)建了一個(gè)具有高級(jí)語義的特征金字塔。如圖2(a)所示,通過多次卷積操作,得到了多層特征圖。接著,通過自頂向下的特征融合,將每個(gè)特征圖與其前一層的特征結(jié)合起來。這種自頂向下的特征融合過程有助于提取更高級(jí)別的語義特征,并增強(qiáng)了網(wǎng)絡(luò)對(duì)目標(biāo)的表示能力。

    圖2 路徑聚合網(wǎng)絡(luò)

    在金字塔網(wǎng)絡(luò)中的特征融合過程中,隨著特征圖的尺寸減小,感受野也相應(yīng)增大。在特征金字塔網(wǎng)絡(luò)中,自頂向下的傳遞模式中,雖然高層特征被傳遞到下層,但底層特征無法影響高層特征。信息從頂部向下逐層傳遞,計(jì)算量逐漸增大,導(dǎo)致頂層特征在特征傳播過程中部分定位特征可能會(huì)丟失,在PANet[10](路徑聚合網(wǎng)絡(luò))圖2(b)中通過在自頂向下特征融合之后,再進(jìn)行自底向上的特征融合。這種雙向傳遞的方式,使得每一層特征圖都能獲取前面所有特征圖的特征信息。這樣的設(shè)計(jì)能夠有效解決頂層特征在傳播過程中丟失部分定位特征的問題。

    1.2.2 混合路徑聚合的殘差金字塔網(wǎng)絡(luò)

    本文采用了基于PANet路徑聚合網(wǎng)絡(luò)的思想,并結(jié)合殘差結(jié)構(gòu)[11]的方法,以進(jìn)一步提取點(diǎn)云的定位特征。在特征提取過程中,采用用殘差網(wǎng)絡(luò)主要是基于以下3個(gè)原因:首先,殘差網(wǎng)絡(luò)能夠有效地控制模型參數(shù)的數(shù)量,從而提高模型的效率和運(yùn)行速度。其次,殘差網(wǎng)絡(luò)在保持梯度不消失或爆炸的前提下,能夠增加網(wǎng)絡(luò)的深度,解決了傳統(tǒng)網(wǎng)絡(luò)中深度增加所引發(fā)的梯度問題。最重要的是,通過殘差模塊的使用,我們能夠補(bǔ)全路徑聚合網(wǎng)絡(luò)的自底向上的特征融合,使得融合后的特征圖能夠包含每個(gè)尺度特征圖的特征信息。這種特征融合的方法能夠提高點(diǎn)云定位任務(wù)的準(zhǔn)確性和魯棒性,使得模型在處理復(fù)雜場景和不同尺度的點(diǎn)云數(shù)據(jù)時(shí)具有更好的性能表現(xiàn)。因此,本文的方法在點(diǎn)云特征提取方面具有重要的意義,并為相關(guān)領(lǐng)域的研究提供了有價(jià)值的思路和方法。

    其結(jié)構(gòu)如圖3所示。網(wǎng)絡(luò)由3個(gè)部分組成:一個(gè)自頂向下的卷積神經(jīng)網(wǎng)絡(luò)以越來越小的空間分辨率生成多尺度特征,一個(gè)注意力機(jī)制模塊提取特征并進(jìn)行下采樣生成多尺度特征圖,以及一個(gè)特征金字塔特征網(wǎng)絡(luò)將兩條網(wǎng)絡(luò)進(jìn)行連接。自上而下的卷積神經(jīng)網(wǎng)絡(luò)可以由一系列塊Block(C,K,S) 表示。每個(gè)塊以C(channals) 輸出通道,K(Kernel)2D 卷積核和S(Strides) 步幅操作組成,每個(gè)輸出通道后面使用BatchNorm批規(guī)范化函數(shù)和ReLU線性整流函數(shù)來解決梯度爆炸。層內(nèi)的第一個(gè)卷積的步幅S=2,以降低要素的空間分辨率,卷積核K=(3×3)。每個(gè)Block的所有后續(xù)卷積步幅S = 1保持相的同空間分辨率。ResBlock中利用注意力機(jī)制提取特征,并通過下采樣的卷積核K=(1×1) 步幅S=2進(jìn)行下采樣。在第三個(gè)網(wǎng)絡(luò)中將前兩層中的每個(gè)Block的末端做一次通道C=128的卷積,并在Block3的輸出特征繼續(xù)兩次步幅S=2的向上采樣,將相同空間分辨率的特征進(jìn)行并聯(lián),并通過卷積核K=[(1×1),(2×2),(4×4)]步幅S=[1,2,4]的反卷積歸一化不同尺度的特征圖并連接得到最終特征F。

    圖3 混合路徑聚合網(wǎng)絡(luò)

    1.2.3 改進(jìn)的混合坐標(biāo)注意力機(jī)制

    注意力機(jī)制在深度學(xué)習(xí)中是一種數(shù)據(jù)權(quán)重分配方法,可以很好地強(qiáng)化部分特征。Coordinate Attention[12]位置注意力是通過將位置信息嵌入到通道注意力中的一種新穎有效的注意力機(jī)制,通過把SENet(squeeze-and-excitation network)[13]中的通道注意力分解成了兩條并行的一維特征通道,在其之上進(jìn)行編碼再融合,以獲得在方向和位置上更加敏感的特征表示。這種改進(jìn)方法能夠有效地提取和強(qiáng)化特征,從而提升模型的性能。

    由于Coordinate注意力中平均池化可能導(dǎo)致欠擬合問題,并為了增強(qiáng)金字塔網(wǎng)絡(luò)中Resblock的特征,本文對(duì)該注意力進(jìn)行了改進(jìn)。圖4展示了改進(jìn)后的注意力結(jié)構(gòu)。在改進(jìn)后的結(jié)構(gòu)中,通過對(duì)點(diǎn)云的XY坐標(biāo)分別進(jìn)行平均池化,新增了一條原始的SE注意力通道,將其擴(kuò)展為兩條一維通道和一條二維通道,并在不同通道上對(duì)特征進(jìn)行融合。接下來,本文將詳細(xì)描述這一改進(jìn)方法。

    圖4 混合坐標(biāo)注意力

    將特征轉(zhuǎn)為兩對(duì)1D特征,對(duì)輸入X,用兩個(gè)池化核 (H,1) 和(1,W)去沿水平和垂直方向?qū)ζ渚幋a。因此可用C通道的高度h和寬度w來表示輸出

    (1)

    (2)

    對(duì)每個(gè)1D特征進(jìn)行最大池化和平均池化,然后在不同通道對(duì)特征進(jìn)行融合通過將池化后的特征經(jīng)過一個(gè)共享卷積變換和非空線性函數(shù),再沿著空間維度將特征分解為兩個(gè)單獨(dú)的張量,再用(1×1)的卷積核去對(duì)輸入X對(duì)其直接編碼,可表示為

    (3)

    最后經(jīng)過sigmoid激活函數(shù)融合得到最終的輸出信息。

    1.3 Loss損失函數(shù)

    損失函數(shù)使用SECOND中的相同損失函數(shù)。因?yàn)橐獧z測的物體的大小近似固定,所以使用固定大小的錨,地面真值框和錨由 (x,y,z,w,l,h,θ) 定義,其中x,y,z為中心坐標(biāo),w,l,h分別為寬度、長度、高度,θ是繞z軸的偏航旋轉(zhuǎn)。地面實(shí)況和錨之間的定位回歸殘差定義如下

    Δθ=sin(θgt-θa)

    (4)

    (5)

    由于角度定位損失無法區(qū)分翻轉(zhuǎn)的方框,因此在離散化方向上用softmax分類損失Ldir學(xué)習(xí)航向。為了解決這種損失將具有相反方向的框視為相同的問題,在RPN的輸出中添加了一個(gè)簡單的方向分類器

    Lcls=-αa(1-pa)γlogpa

    (6)

    其中,pa是類的概率,常數(shù)系數(shù)γ設(shè)置為2,α設(shè)置為0.25。結(jié)合上述損失,我們可以得到多任務(wù)損失的最終形式如下

    (7)

    其中,Lcls是分類損失,其Lreg是角度損失,是Ldir方向分類損失,常數(shù)系數(shù)β1=1,β2=2,和β3=0.2。

    2 實(shí)驗(yàn)結(jié)果與分析

    2.1 數(shù)據(jù)集與評(píng)估協(xié)議

    本文的所有實(shí)驗(yàn)都是在KITTI[14]點(diǎn)云目標(biāo)識(shí)別數(shù)據(jù)集上進(jìn)行的。該數(shù)據(jù)集包含了3類對(duì)象,分別是汽車、行人和自行車。3D對(duì)象檢測基準(zhǔn)由7481張訓(xùn)練圖像和7518張測試圖像以及對(duì)應(yīng)的點(diǎn)云構(gòu)成,總共有80.256個(gè)標(biāo)注對(duì)象。所有圖像都是彩色,并以png和bin文件的格式保存。

    在目標(biāo)檢測任務(wù)中,對(duì)于汽車類別的檢測,要求目標(biāo)框與真實(shí)邊界框的重疊面積達(dá)到70%以上。對(duì)于行人和自行車類別的檢測,要求重疊面積達(dá)到50%以上才能被視為有效檢測結(jié)果。無關(guān)區(qū)域的檢測結(jié)果或者小于最小尺寸的檢測結(jié)果將被視為誤報(bào)。檢測難度的定義見表1。

    表1 KITTI點(diǎn)云檢測難度標(biāo)準(zhǔn)

    指標(biāo)KITTI的用PR曲線上的40個(gè)召回位置的平均精度(AP)來衡量檢測效果。根據(jù)對(duì)象大小、遮擋和截?cái)嗉?jí)別,標(biāo)簽被分為3個(gè)子集(簡單(easy)、中等(Mode-rate)、困難(Hard))。

    所有檢測結(jié)果均使用KITTI官方評(píng)估檢測指標(biāo)進(jìn)行測量,這些指標(biāo)包括:鳥瞰圖(BEV)、3D、2D和平均方向相似性(AOS)。二維檢測在圖像平面上進(jìn)行,平均方向相似性評(píng)估二維檢測的平均方向(BEV視角)相似性。

    2.2 實(shí)驗(yàn)設(shè)置

    所有實(shí)驗(yàn)在一臺(tái)配備Intel?CoreTMi5-10400F 2.9 GHz處理器、16 GB內(nèi)存和1塊Nvidia RTX3060ti顯卡(顯存8 GB)的工作站上進(jìn)行。軟件環(huán)境采用Ubuntu 18.04操作系統(tǒng),Python 3.6編程語言,PyTorch 1.10.2深度學(xué)習(xí)框架以及Cuda 11.3加速庫。我們選用了自適應(yīng)優(yōu)化器Adam進(jìn)行模型優(yōu)化,動(dòng)量大小設(shè)置為0.9,初始學(xué)習(xí)率為0.003,權(quán)重衰減為0.01,批處理大小設(shè)置為3。整個(gè)訓(xùn)練過程共計(jì)80個(gè)epoch,總計(jì)耗時(shí)7小時(shí)。

    2.3 可視化實(shí)驗(yàn)

    為了直觀展示本方法在KITTI數(shù)據(jù)集上的檢測效果,圖5展示了基線模型和本方法的可視化結(jié)果。圖5中共有4組圖片,從左至右排列,分別為圖5(a)、圖5(b)、圖5(c)、圖5(d)。每組圖片的左側(cè)展示了本文方法的結(jié)果,右側(cè)展示了基線模型的結(jié)果。在每組圖片中,從上至下分別展示了3D點(diǎn)云錨框、鳥瞰圖錨框和2D圖像錨框。這樣的可視化呈現(xiàn)方式有助于直觀地比較兩種方法的檢測效果。圖中的第一行圖中的score為置信度得分,這些分?jǐn)?shù)代表了預(yù)測結(jié)果的可信度,具體結(jié)果請(qǐng)參考表2。通常情況下,當(dāng)預(yù)測結(jié)果正確時(shí),較高的分?jǐn)?shù)意味著更好的預(yù)測效果;而當(dāng)預(yù)測結(jié)果錯(cuò)誤時(shí),較高的分?jǐn)?shù)則意味著預(yù)測效果較差,根據(jù)圖5和表2的結(jié)果可知,本文的模型在3D點(diǎn)云錨框方面表現(xiàn)出明顯的精確度優(yōu)勢,相較于PointPillars模型,在預(yù)測正確的情況下置信度方面都有一定的提升。通過觀察圖片中鳥瞰圖的點(diǎn)密度,可以推斷出所識(shí)別目標(biāo)與傳感器之間的距離。特別是通過圖5(c)的結(jié)果,可以觀察到本文所提出的模型對(duì)于遠(yuǎn)距離目標(biāo)的識(shí)別具有較高的準(zhǔn)確性。此外,在圖5(d)的結(jié)果中,基線模型將自行車類別錯(cuò)誤地識(shí)別為行人類目標(biāo),而本文的模型則沒有出現(xiàn)這種錯(cuò)誤。

    表2 可視化結(jié)構(gòu)置信度分?jǐn)?shù)

    圖5 在KITTI數(shù)據(jù)集上的可視化

    本文的模型還能有效解決目標(biāo)識(shí)別中的定位特征錯(cuò)誤問題。通過仔細(xì)觀察圖5(b)中的圖像,可以明顯觀察到基線模型由于對(duì)目標(biāo)點(diǎn)云方向的估計(jì)錯(cuò)誤,導(dǎo)致在同一位置的點(diǎn)云中錯(cuò)誤地識(shí)別出了兩個(gè)方向交叉的目標(biāo)。然而,本文提出的網(wǎng)絡(luò)結(jié)構(gòu)通過引入殘差結(jié)構(gòu)和注意力機(jī)制,顯著提升了對(duì)定位特征的提取能力。通過這些機(jī)制的協(xié)同作用,本文模型能夠更全面地利用點(diǎn)云數(shù)據(jù)中的信息,并有效地減少定位特征錯(cuò)誤的問題,從而實(shí)現(xiàn)更加準(zhǔn)確的目標(biāo)識(shí)別結(jié)果。

    2.4 消融實(shí)驗(yàn)

    為了分析不同成分對(duì)最終性能的影響,我們對(duì)KITTI驗(yàn)證集進(jìn)行了消融研究見表3。通過使用兩類(行人和自行車)的BEV和3D平均準(zhǔn)確率作為評(píng)估指標(biāo),基礎(chǔ)模型如表4所示為PointPillars模型。

    表3 在KITTI驗(yàn)證集上的消融實(shí)驗(yàn)

    表4 在KITTI驗(yàn)證集上和基線模型的性能的提升

    金字塔網(wǎng)絡(luò):從表3的特征金字塔網(wǎng)絡(luò)和本文改進(jìn)的殘差金字塔中可以看出,用傳統(tǒng)的FPN替換骨干網(wǎng)絡(luò)在3D卷積上有一定的提升,但是在俯視圖上有較大的干擾影響,導(dǎo)致精度下降。可見由殘差結(jié)構(gòu)傳遞的自頂部信息流往下逐層損失的位置信息對(duì)目標(biāo)識(shí)別的影響至關(guān)重要。

    注意力機(jī)制:本文從表3中Attention和本文改進(jìn)方法的結(jié)果可以看出直接加入的注意力因?yàn)橹苯訉?duì)點(diǎn)云運(yùn)算,再經(jīng)過骨干網(wǎng)絡(luò)的特征提取導(dǎo)致定位特征強(qiáng)化沒有發(fā)揮很好的效果其準(zhǔn)確率反而有一定下降,并且通過對(duì)比最后兩條實(shí)驗(yàn)結(jié)果在相同金字塔網(wǎng)絡(luò)影響下本章改進(jìn)的注意力提升非常大,可以看出經(jīng)過本章算法改進(jìn)的混合注意力機(jī)制,通過路徑聚合的網(wǎng)絡(luò)可以充分發(fā)揮出的該坐標(biāo)注意力的優(yōu)勢。

    表4描述了本文算法在KITTI數(shù)據(jù)集上的測試精度和相較于原始模型的精度提升,可以看出與PointPillars相比,本文模型的精度更高,且運(yùn)行的內(nèi)存不變,運(yùn)行速度也沒有明顯下降,依舊能滿足60 hz的工業(yè)要求。本文方法有著更高的性能,達(dá)到標(biāo)準(zhǔn)的運(yùn)行速度,為滿足目前的智能駕駛中實(shí)時(shí)性和準(zhǔn)確性的要求,本模型可以作為智能車輛駕駛的參考方案。

    2.5 與其它先進(jìn)方法的比較

    為了驗(yàn)證所提方法的性能,將該方法與主流的點(diǎn)云識(shí)別方法進(jìn)行對(duì)比,對(duì)比結(jié)果見表5,能夠看出,本文方法在KITTI數(shù)據(jù)集上自行車鳥瞰圖類上分別得到了81.12%、64.61%、57.93%的結(jié)果,相較于同樣使用注意力機(jī)制的TANet(Triple Attention,三元注意力)本文的注意力更加簡單,在不降低運(yùn)行速度的同時(shí),準(zhǔn)確率也有顯著的提升。相較于Faraway-Frustum等直接使用點(diǎn)云的模型,本文模型使用點(diǎn)云轉(zhuǎn)換點(diǎn)柱的方法,達(dá)成偽圖像以便使用2D卷積,使運(yùn)行速度極大提升,可以看到本文模型繼承了PointPillars的檢測速度,遠(yuǎn)超其它模型,且精度還能有所提升,擁有著很強(qiáng)的競爭力。

    表5 在KITTI測試集上與主流方法性能對(duì)比

    3 結(jié)束語

    本文提出了一種混合路徑融合的點(diǎn)云目標(biāo)識(shí)別網(wǎng)絡(luò),包括殘差特征金字塔網(wǎng)絡(luò)和混合坐標(biāo)注意力機(jī)制,能夠在激光雷達(dá)點(diǎn)云上進(jìn)行端到端訓(xùn)練。在KITTI數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明了本文所提算法在保證速度的前提下提供了更好的檢測性能。

    本文后續(xù)重點(diǎn)工作將考慮點(diǎn)云的編碼方法。通過直接使用點(diǎn)云數(shù)據(jù)的情況下保持更多特征的投射為偽圖像,以保證速度的提升下有更多的性能提升。

    猜你喜歡
    特征檢測方法
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    如何表達(dá)“特征”
    不忠誠的四個(gè)特征
    抓住特征巧觀察
    可能是方法不對(duì)
    小波變換在PCB缺陷檢測中的應(yīng)用
    用對(duì)方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    亚洲美女视频黄频| 国产亚洲最大av| 久久精品国产综合久久久| 久久久久国产精品人妻一区二区| 成人午夜精彩视频在线观看| 天天操日日干夜夜撸| 桃花免费在线播放| 亚洲欧美一区二区三区久久| 男女午夜视频在线观看| 叶爱在线成人免费视频播放| 亚洲精品久久久久久婷婷小说| 91aial.com中文字幕在线观看| 2022亚洲国产成人精品| 99久国产av精品国产电影| 女人被躁到高潮嗷嗷叫费观| 日本91视频免费播放| 考比视频在线观看| 久久久久精品人妻al黑| 一级毛片黄色毛片免费观看视频| freevideosex欧美| 91午夜精品亚洲一区二区三区| 亚洲国产av影院在线观看| 久久这里只有精品19| 欧美bdsm另类| av福利片在线| 免费人妻精品一区二区三区视频| 成人黄色视频免费在线看| 国产国语露脸激情在线看| 制服诱惑二区| 女人精品久久久久毛片| 成年女人毛片免费观看观看9 | 99香蕉大伊视频| 亚洲av成人精品一二三区| 久久久国产一区二区| 婷婷色综合www| 新久久久久国产一级毛片| av有码第一页| 美女国产视频在线观看| 免费在线观看视频国产中文字幕亚洲 | 国产一区二区三区综合在线观看| 国产欧美日韩综合在线一区二区| 咕卡用的链子| 免费少妇av软件| av.在线天堂| 女人精品久久久久毛片| 美女国产高潮福利片在线看| 亚洲视频免费观看视频| 一区二区三区精品91| 国产高清国产精品国产三级| 超碰97精品在线观看| 亚洲第一青青草原| 久久99蜜桃精品久久| 青春草亚洲视频在线观看| 97精品久久久久久久久久精品| 少妇被粗大的猛进出69影院| 久久精品亚洲av国产电影网| 青青草视频在线视频观看| 精品国产超薄肉色丝袜足j| 深夜精品福利| 少妇人妻 视频| 色播在线永久视频| 国产日韩欧美在线精品| 一级,二级,三级黄色视频| 国产激情久久老熟女| 人妻少妇偷人精品九色| 伦精品一区二区三区| 欧美日韩视频精品一区| 亚洲精品av麻豆狂野| 狠狠精品人妻久久久久久综合| 免费大片黄手机在线观看| 精品国产乱码久久久久久小说| 亚洲,一卡二卡三卡| 三上悠亚av全集在线观看| 伦精品一区二区三区| 波多野结衣一区麻豆| av国产精品久久久久影院| 欧美日韩亚洲高清精品| 99国产综合亚洲精品| 亚洲一级一片aⅴ在线观看| 一本久久精品| 欧美变态另类bdsm刘玥| 麻豆av在线久日| 久久久精品94久久精品| 性色av一级| 99re6热这里在线精品视频| 午夜av观看不卡| 色视频在线一区二区三区| 美女视频免费永久观看网站| 欧美激情高清一区二区三区 | 高清欧美精品videossex| 天天躁狠狠躁夜夜躁狠狠躁| 日韩人妻精品一区2区三区| 在线观看免费高清a一片| 久久久久久免费高清国产稀缺| 欧美黄色片欧美黄色片| 亚洲国产av影院在线观看| 日韩免费高清中文字幕av| 国产日韩欧美亚洲二区| 免费黄网站久久成人精品| 一本—道久久a久久精品蜜桃钙片| 亚洲一级一片aⅴ在线观看| 久久 成人 亚洲| 日韩中文字幕欧美一区二区 | 99久久中文字幕三级久久日本| 久久热在线av| 亚洲国产欧美网| 日韩中文字幕欧美一区二区 | 熟女少妇亚洲综合色aaa.| 国产成人精品婷婷| 日本猛色少妇xxxxx猛交久久| 亚洲欧洲精品一区二区精品久久久 | 免费女性裸体啪啪无遮挡网站| 丝袜人妻中文字幕| 亚洲伊人久久精品综合| 久久久久人妻精品一区果冻| 精品国产国语对白av| 久久人人爽人人片av| 欧美 日韩 精品 国产| 久久久欧美国产精品| 亚洲经典国产精华液单| 亚洲欧洲日产国产| 国产欧美日韩一区二区三区在线| 精品国产露脸久久av麻豆| 大码成人一级视频| 亚洲成人一二三区av| 美女高潮到喷水免费观看| av片东京热男人的天堂| 丝袜脚勾引网站| 亚洲视频免费观看视频| 99热网站在线观看| 一边摸一边做爽爽视频免费| 日韩熟女老妇一区二区性免费视频| 99热网站在线观看| 青春草国产在线视频| 欧美激情极品国产一区二区三区| 国产男人的电影天堂91| 麻豆精品久久久久久蜜桃| 在线天堂中文资源库| 日本wwww免费看| av国产精品久久久久影院| 一区二区三区激情视频| 热99久久久久精品小说推荐| 国产白丝娇喘喷水9色精品| 男女啪啪激烈高潮av片| 最新中文字幕久久久久| 久久久国产一区二区| 一区二区三区乱码不卡18| 精品国产超薄肉色丝袜足j| 高清在线视频一区二区三区| 欧美变态另类bdsm刘玥| 狠狠婷婷综合久久久久久88av| 久久99蜜桃精品久久| www.精华液| 免费观看无遮挡的男女| 最近的中文字幕免费完整| av在线老鸭窝| 中文字幕另类日韩欧美亚洲嫩草| 两个人看的免费小视频| 一个人免费看片子| av免费观看日本| 亚洲国产最新在线播放| kizo精华| 99久久中文字幕三级久久日本| 最近2019中文字幕mv第一页| 精品国产一区二区三区久久久樱花| 欧美中文综合在线视频| www.自偷自拍.com| 国产精品国产三级专区第一集| 国产1区2区3区精品| 天天躁狠狠躁夜夜躁狠狠躁| 美女主播在线视频| 一级a爱视频在线免费观看| 精品人妻熟女毛片av久久网站| 成人国产av品久久久| 999久久久国产精品视频| 欧美xxⅹ黑人| 两个人看的免费小视频| 青春草视频在线免费观看| 91aial.com中文字幕在线观看| 亚洲综合精品二区| 尾随美女入室| 成人国语在线视频| 黄网站色视频无遮挡免费观看| 人人妻人人澡人人爽人人夜夜| 久久久国产一区二区| 国产一级毛片在线| av网站免费在线观看视频| 日本爱情动作片www.在线观看| 女人高潮潮喷娇喘18禁视频| 制服诱惑二区| 亚洲av免费高清在线观看| 深夜精品福利| 日韩中文字幕视频在线看片| 伊人久久大香线蕉亚洲五| av网站免费在线观看视频| 久久 成人 亚洲| 国产淫语在线视频| 最黄视频免费看| 老司机亚洲免费影院| 久久av网站| 亚洲av男天堂| 久久久久久久大尺度免费视频| 一级毛片黄色毛片免费观看视频| 日日爽夜夜爽网站| 亚洲精华国产精华液的使用体验| 亚洲av成人精品一二三区| 久久久久精品性色| 国产av精品麻豆| 国产视频首页在线观看| 女人高潮潮喷娇喘18禁视频| 中文欧美无线码| 丰满少妇做爰视频| 久久久久精品人妻al黑| 一边亲一边摸免费视频| 91成人精品电影| 汤姆久久久久久久影院中文字幕| 亚洲一区中文字幕在线| 国产又色又爽无遮挡免| 日韩人妻精品一区2区三区| 亚洲欧美成人综合另类久久久| 久久久久久久久免费视频了| 国产淫语在线视频| 久久这里只有精品19| 精品少妇一区二区三区视频日本电影 | 亚洲欧美一区二区三区国产| 肉色欧美久久久久久久蜜桃| 啦啦啦在线免费观看视频4| 久久婷婷青草| 亚洲一级一片aⅴ在线观看| 免费看av在线观看网站| a级毛片在线看网站| 久久午夜福利片| 18+在线观看网站| 桃花免费在线播放| 伊人久久大香线蕉亚洲五| 亚洲精品自拍成人| 丰满少妇做爰视频| 五月开心婷婷网| √禁漫天堂资源中文www| 久久人人97超碰香蕉20202| a级毛片在线看网站| 午夜日韩欧美国产| 黄色配什么色好看| 男女高潮啪啪啪动态图| 日本91视频免费播放| 波多野结衣一区麻豆| 欧美日韩av久久| 五月开心婷婷网| 久久久久视频综合| 日韩 亚洲 欧美在线| 大片电影免费在线观看免费| 亚洲精品国产一区二区精华液| 亚洲精品国产色婷婷电影| 一本大道久久a久久精品| 久久久久久人妻| 人妻一区二区av| 日韩av在线免费看完整版不卡| 97在线视频观看| 老司机影院成人| 欧美97在线视频| 国产精品av久久久久免费| 爱豆传媒免费全集在线观看| 国产精品熟女久久久久浪| 国产精品香港三级国产av潘金莲 | 亚洲国产精品成人久久小说| 久久久a久久爽久久v久久| 看免费成人av毛片| 久久久久精品久久久久真实原创| 亚洲国产最新在线播放| 熟女av电影| av网站在线播放免费| 韩国精品一区二区三区| 少妇被粗大猛烈的视频| 国产精品一二三区在线看| 国产免费福利视频在线观看| 春色校园在线视频观看| 99国产综合亚洲精品| 亚洲 欧美一区二区三区| 午夜免费男女啪啪视频观看| 色哟哟·www| 久久久a久久爽久久v久久| 精品国产乱码久久久久久小说| 国产日韩欧美视频二区| av网站免费在线观看视频| 亚洲综合精品二区| 最近中文字幕2019免费版| 91在线精品国自产拍蜜月| 赤兔流量卡办理| 可以免费在线观看a视频的电影网站 | 亚洲第一av免费看| 一级毛片 在线播放| 欧美成人精品欧美一级黄| 边亲边吃奶的免费视频| 国产精品熟女久久久久浪| 欧美最新免费一区二区三区| 嫩草影院入口| 久久女婷五月综合色啪小说| 亚洲精品av麻豆狂野| 免费在线观看完整版高清| 国产男女内射视频| 男女无遮挡免费网站观看| 国产成人免费观看mmmm| 免费黄网站久久成人精品| 亚洲美女黄色视频免费看| 国产黄色视频一区二区在线观看| 成人毛片a级毛片在线播放| 天天躁日日躁夜夜躁夜夜| 欧美激情极品国产一区二区三区| 国产av国产精品国产| 亚洲,欧美精品.| 欧美少妇被猛烈插入视频| 国产一区有黄有色的免费视频| 搡女人真爽免费视频火全软件| 亚洲精品在线美女| 两性夫妻黄色片| 一级黄片播放器| 欧美精品一区二区大全| a级毛片黄视频| 日本-黄色视频高清免费观看| 午夜福利视频精品| 色94色欧美一区二区| 亚洲色图综合在线观看| 国产一区二区激情短视频 | 欧美日韩一区二区视频在线观看视频在线| 性色avwww在线观看| 亚洲经典国产精华液单| 久久午夜福利片| 看十八女毛片水多多多| 国产1区2区3区精品| 老汉色av国产亚洲站长工具| 一区二区三区四区激情视频| 九草在线视频观看| 国产成人a∨麻豆精品| 成年人免费黄色播放视频| 在线观看国产h片| 日韩欧美一区视频在线观看| 亚洲欧洲日产国产| 亚洲人成网站在线观看播放| av天堂久久9| 午夜免费观看性视频| 久久久久国产一级毛片高清牌| 在线观看人妻少妇| 日韩大片免费观看网站| 久久久国产欧美日韩av| 久久久久国产一级毛片高清牌| 老女人水多毛片| 国产成人免费观看mmmm| 亚洲欧美色中文字幕在线| 18禁裸乳无遮挡动漫免费视频| 女人高潮潮喷娇喘18禁视频| 一本色道久久久久久精品综合| 精品亚洲成国产av| 18禁裸乳无遮挡动漫免费视频| videos熟女内射| 一区二区av电影网| 亚洲伊人色综图| 亚洲美女视频黄频| av线在线观看网站| 亚洲综合色惰| 天天躁夜夜躁狠狠躁躁| 亚洲精品久久久久久婷婷小说| 五月天丁香电影| 国产有黄有色有爽视频| xxxhd国产人妻xxx| 国产av一区二区精品久久| 国产精品三级大全| 宅男免费午夜| 久久青草综合色| 国产一区二区三区综合在线观看| 黄色毛片三级朝国网站| 90打野战视频偷拍视频| 婷婷色综合www| 亚洲第一区二区三区不卡| 欧美 亚洲 国产 日韩一| 国产精品av久久久久免费| 一本久久精品| 亚洲精品aⅴ在线观看| 丝袜脚勾引网站| 电影成人av| 水蜜桃什么品种好| 国产极品天堂在线| 亚洲欧美日韩另类电影网站| 国产极品天堂在线| 亚洲国产欧美日韩在线播放| 又大又黄又爽视频免费| 男女午夜视频在线观看| 又粗又硬又长又爽又黄的视频| 精品国产一区二区三区四区第35| 激情五月婷婷亚洲| 久久精品国产亚洲av涩爱| 人人澡人人妻人| 亚洲成av片中文字幕在线观看 | 在线观看免费视频网站a站| 日本猛色少妇xxxxx猛交久久| 日韩欧美一区视频在线观看| 国产一区二区 视频在线| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 精品亚洲成国产av| 大片电影免费在线观看免费| 国产成人午夜福利电影在线观看| 日本av手机在线免费观看| 国产在线视频一区二区| 99九九在线精品视频| 欧美激情高清一区二区三区 | 亚洲三级黄色毛片| 国产视频首页在线观看| 日本黄色日本黄色录像| av国产久精品久网站免费入址| 人体艺术视频欧美日本| 国产片特级美女逼逼视频| 男的添女的下面高潮视频| 一级a爱视频在线免费观看| 国产精品国产三级专区第一集| 久久久精品区二区三区| 人人妻人人澡人人看| 亚洲精品一区蜜桃| 国产成人精品婷婷| 亚洲第一青青草原| 亚洲精品久久午夜乱码| 黑丝袜美女国产一区| av不卡在线播放| 伊人亚洲综合成人网| 少妇熟女欧美另类| 久久精品国产自在天天线| 亚洲伊人色综图| 爱豆传媒免费全集在线观看| 少妇被粗大的猛进出69影院| 久久精品久久精品一区二区三区| 免费高清在线观看日韩| 99久国产av精品国产电影| 母亲3免费完整高清在线观看 | 满18在线观看网站| 一级黄片播放器| 亚洲天堂av无毛| 亚洲图色成人| 777米奇影视久久| 少妇被粗大的猛进出69影院| 看免费av毛片| 你懂的网址亚洲精品在线观看| 久久久久精品性色| 国产一区二区三区av在线| 久久久久久人妻| 亚洲精品乱久久久久久| 午夜免费男女啪啪视频观看| 亚洲精品av麻豆狂野| 精品国产一区二区三区久久久樱花| 老司机亚洲免费影院| 天天躁夜夜躁狠狠久久av| 性色av一级| 亚洲欧美成人综合另类久久久| 色网站视频免费| av电影中文网址| 交换朋友夫妻互换小说| 亚洲av综合色区一区| 亚洲国产av新网站| 美女中出高潮动态图| 丰满迷人的少妇在线观看| 国产成人精品福利久久| 99久国产av精品国产电影| 麻豆av在线久日| 欧美 日韩 精品 国产| av片东京热男人的天堂| 人妻 亚洲 视频| 久久人人爽av亚洲精品天堂| 久久女婷五月综合色啪小说| 丝袜脚勾引网站| 如日韩欧美国产精品一区二区三区| 999久久久国产精品视频| 少妇的丰满在线观看| 久久毛片免费看一区二区三区| 国产成人av激情在线播放| 久久久久久久久久久免费av| 亚洲精品日本国产第一区| 亚洲精品,欧美精品| 九九爱精品视频在线观看| 在线观看三级黄色| 伦精品一区二区三区| 9191精品国产免费久久| 日韩人妻精品一区2区三区| 老汉色∧v一级毛片| 女人精品久久久久毛片| 亚洲视频免费观看视频| 热re99久久国产66热| 国产成人精品久久久久久| 麻豆精品久久久久久蜜桃| 少妇人妻 视频| 久久狼人影院| 啦啦啦中文免费视频观看日本| 熟女电影av网| 免费黄色在线免费观看| 亚洲av成人精品一二三区| 青春草视频在线免费观看| 久久人人爽av亚洲精品天堂| 国产av码专区亚洲av| 欧美精品亚洲一区二区| 国产极品粉嫩免费观看在线| 久久婷婷青草| 中文字幕av电影在线播放| 久久精品国产亚洲av高清一级| 三级国产精品片| 一区二区av电影网| 人妻 亚洲 视频| 日日摸夜夜添夜夜爱| 国产福利在线免费观看视频| 999精品在线视频| 18禁裸乳无遮挡动漫免费视频| kizo精华| 咕卡用的链子| 亚洲人成电影观看| 涩涩av久久男人的天堂| 久久午夜综合久久蜜桃| 国产精品一区二区在线观看99| 人妻少妇偷人精品九色| 久久久久精品久久久久真实原创| h视频一区二区三区| 亚洲色图综合在线观看| 天天操日日干夜夜撸| 女的被弄到高潮叫床怎么办| 亚洲精品乱久久久久久| 免费在线观看完整版高清| 咕卡用的链子| 一区二区三区精品91| 新久久久久国产一级毛片| 搡老乐熟女国产| 久久精品人人爽人人爽视色| 97精品久久久久久久久久精品| 搡女人真爽免费视频火全软件| 午夜免费观看性视频| 在线观看免费高清a一片| 中文天堂在线官网| 免费黄网站久久成人精品| 国产精品欧美亚洲77777| 成人免费观看视频高清| 丝袜脚勾引网站| 又大又黄又爽视频免费| 考比视频在线观看| 亚洲国产欧美网| 国产黄色免费在线视频| 涩涩av久久男人的天堂| 青青草视频在线视频观看| 天堂中文最新版在线下载| 婷婷成人精品国产| 国产精品人妻久久久影院| 精品少妇黑人巨大在线播放| 春色校园在线视频观看| 亚洲熟女精品中文字幕| 青春草视频在线免费观看| 青春草亚洲视频在线观看| 亚洲精品美女久久av网站| 一二三四中文在线观看免费高清| 欧美精品高潮呻吟av久久| 不卡视频在线观看欧美| 久久久精品94久久精品| 成年动漫av网址| 99久久中文字幕三级久久日本| 日韩制服丝袜自拍偷拍| 观看av在线不卡| 超碰97精品在线观看| 日本色播在线视频| 伊人久久大香线蕉亚洲五| 日日撸夜夜添| 男人添女人高潮全过程视频| 国产精品欧美亚洲77777| a级片在线免费高清观看视频| 伦理电影免费视频| tube8黄色片| 1024视频免费在线观看| 赤兔流量卡办理| 999精品在线视频| 国产男女超爽视频在线观看| 免费高清在线观看视频在线观看| 日本欧美国产在线视频| 国产探花极品一区二区| 国产精品人妻久久久影院| 亚洲国产欧美日韩在线播放| 母亲3免费完整高清在线观看 | av女优亚洲男人天堂| 最近中文字幕2019免费版| 国产在视频线精品| 国产有黄有色有爽视频| 丝袜美足系列| 精品酒店卫生间| 少妇猛男粗大的猛烈进出视频| 国产精品二区激情视频| 人人妻人人添人人爽欧美一区卜| 亚洲第一青青草原| 熟女少妇亚洲综合色aaa.| av在线老鸭窝| 高清av免费在线| 日韩一区二区视频免费看| 亚洲一级一片aⅴ在线观看| 韩国精品一区二区三区| 欧美日韩精品成人综合77777| 亚洲五月色婷婷综合| 精品福利永久在线观看| 中文字幕精品免费在线观看视频| 18在线观看网站| 亚洲伊人色综图| 青春草亚洲视频在线观看| 中文字幕另类日韩欧美亚洲嫩草| 亚洲成人一二三区av| 中文精品一卡2卡3卡4更新| 看免费成人av毛片| 午夜激情av网站| 精品一区二区免费观看| 亚洲视频免费观看视频| 久久精品国产综合久久久| 亚洲精品视频女| 91成人精品电影| 天美传媒精品一区二区| 成人毛片60女人毛片免费| 自线自在国产av| 久久影院123| 欧美激情高清一区二区三区 | 人人妻人人爽人人添夜夜欢视频|