レーザーレーダーのポイントクラウドデータに基づく3次元物体検出アルゴリズムはデータ量が多いため、速度と精度のバランスを実現できていない。本稿では改良された3次元物体検出アルゴリズムPillar RCNNを提案する。まず、対象のポイントクラウド空間をボクセル格子に分割し、疎な畳み込みに基づく3次元バックボーンネットワークを用いてボクセル格子を段階的に柱状ボクセルに変換し、3次元情報を密な2次元情報に量子化する。次に2次元バックボーンネットワークで特徴を抽出し、3次元バックボーンネットワークの異なるスケールのボクセル特徴を多尺度ボクセル特徴集約モジュールで2次元バックボーンネットワークと特徴連結し、損失関数を通じて検出ボックスをさらに細かく調整する。アルゴリズムはKITTI公開データセットでテストされ、RTX 2080Tiハードウェアプラットフォームで認識速度は2.48msである。PointPillarsベンチマークアルゴリズムと比較して、自転車の中難度検出効果は13.34%向上し、困難難度の車両検出効果は8.85%向上し、他のカテゴリの検出精度指標も改善しており、速度と精度のバランスを実現している。

コンピュータービジョン;3次元物体検出;ボクセル;疎畳み込み;特徴集約