激光与红外

作者：马庆禄

单位：1.重庆交通大学交通运输学院,重庆 400074；2.重庆奉建高速公路有限公司,重庆 401120；

关键词：点云识别;道路场景;点云分割;点集嵌入;Transformer

基金：国家重点研发计划项目(No.2018YFB1600200)；重庆市教育委员会教委科学技术研究计划重点项目(No.KJZDK202000704)资助。

针对多目标识别过程中点云分类和分割精度不高的问题,提出了一种基于改进Transformer模型的点云分类与分割方法DRPT(Double randomness Point Transformer),该方法在Transformer模型卷积投影层创建新的点嵌入,利用局部邻域的动态处理在数据特征向量中持续增加全局特征属性,从而提高多目标识别中点云分类和分割的精度。实验中采用了标准基准数据集(ModelNet40、ShapeNet部分分割和SemanticKITTI场景语义分割数据集)以验证模型的性能,实验结果表明:DRPT模型的pIoU值为859,比其他模型平均高出35,有效提高了多目标识别检测时点云分类与分割精度,是对智能网联技术发展的有效支撑。

来源：2024年第1期

《激光与红外》期刊编辑部

查看激光与红外杂志2024年第1期