基于改进PointPillars的激光点云三维目标检测

针对复杂场景下三维目标检测算法对小目标物体识别精度不高、容易出现错检漏检问题，提出一种基于改进PointPillars的三维目标检测算法，利用锥形点云获取物体的边界信息，抑制环境噪声造成的干扰；设计一种空间自注意力模块，捕获点云支柱间的全局上下文信息和空间信息，扩大点云特征感知范围，提升小目标物体识别在复杂场景下的鲁棒性；改进主干网络的下采样模块，采用ConvNeXt v2模块增强网络的特征提取能力。在KITTI数据集上的测试结果表明，相比PointPillars原始网络，改进算法在汽车、行人、骑行者类别上的平均检测精度分别提升了3.73%、5.89%、5.7%，证明了所提出方法的有效性。