Die 3D-Objekterkennung findet breite Anwendung in Bereichen wie autonomem Fahren und verkörperter Intelligenz, leidet jedoch unter Problemen wie schlechter Unterscheidbarkeit und großer Erkennungsschwierigkeit bei Objekten mit schwachen Merkmalen im Szenenbild (z. B. kleine entfernte oder verdeckte Objekte). Daher wird in diesem Artikel eine schnelle Methode zur Erkennung schwacher 3D-Objekte mit lokaler Kontextverstärkung vorgeschlagen. Zunächst wird zur Lösung der Schwierigkeit der spärlichen Merkmalsdarstellung schwacher Objekte ein lokales spärliches Merkmalverstärkungsmodul (Local Sparse Feature Enhancement Module, LSFE) vorgeschlagen, das die Ausdrucksfähigkeit spärlicher Merkmale durch adaptive Anpassung der Merkmalgewichte an lokalen Positionen verbessert und die Sensitivität des Modells für spärliche Merkmale erhöht. Zweitens wird zur Bewältigung der Störanfälligkeit schwacher Objekte durch Hintergrundinterferenzen ein Mehrskaliger Kontextlernmodul (Multi Scale Context Learning Module, MSCL) vorgeschlagen, das Aufmerksamkeitsmechanismen in räumlicher und Kanal-Dimension kombiniert, um mehrskalige räumliche Kontextinformationen zu erhalten und Hintergrundstörungen zu unterdrücken. Schließlich wird zur besseren Nutzung der oberflächlichen Merkmale der Objekte in der Netzerkennungskopfstruktur eine hochauflösende Merkmalsebene hinzugefügt, die die Detailwahrnehmung schwacher Merkmale verbessert. Experimentelle Ergebnisse auf dem KITTI-Datensatz zeigen, dass die vorgeschlagene Methode die Erkennungsgenauigkeit schwacher Objekte im Vergleich zur Basislinie signifikant verbessert, mit einer Steigerung des mAP um 12,78 % für die Fußgängerklasse, um 2,69 % für die Fahrradfahrerklasse und um 6,84 % für die Fahrzeugklasse. Die Methode erreicht eine hohe Erkennungsgenauigkeit bei gleichzeitiger Beibehaltung der Echtzeit-Inferenzgeschwindigkeit und bietet eine effektive Lösung für die 3D-Objekterkennung in komplexen Szenarien.

autonomes Fahren;Punktwolkendaten;3D-Objekterkennung;Erkennung schwacher Merkmale;lokales Kontextlernen