Abstract：
随着科技的不断发展,自动驾驶技术越来越多地进入到人们的生活中.动态物体点云分割是其中十分关键的一项任务,它可以为地图构建、路径规划等任务提供前置帮助.本文提出一种基于编码器-解码器结构的激光雷达动态物体点云分割网络,使用自校正卷积替换上下文特征提取模块中的普通卷积,提升神经网络的特征学习能力;并在网络解码阶段加入通道注意力机制,提升网络对重要特征通道的关注学习程度,从而达成更好的分割效果.本文在SemanticKITTI MOS数据集上进行实验,实验结果表明,本文所提出的动态物体点云分割网络相比原有方法取得更优表现,交并比(IoU)达到72.1％.
Keyword：
Reprint Author's Address：
Email：
Source ：
高技术通讯
ISSN： 1002-0470
Year： 2024
Issue： 10
Volume： 34
Page： 1091-1097
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
