多尺度特征结合注意力机制的室内3D点云目标检测

为了实现三维点云在室内和工业环境中的实际应用，文章改进了传统的目标检测转换器(Detection Transformer, DeTR)神经网络，并提出了一种基于分层抽象的多层点云特征提取方法；同时，设计了曲面特征提取模块对三维点云进行预处理，增强了点云的附加特征。在公开数据集ScanNet V2和工业室内数据集上对本文方法进行实验验证和评估，该方法在ScanNet V2上的mAP@0.5准确率超过最先进的模型(State-of-the-Art, SOTA)CAGroup3d,达到76.0%;在ScanNet V2上的mAP@0.25准确率超过最先进的模型CAGroup3d,达到62.2%,消融实验进一步验证了所述方法的准确性和高效性。