Алгоритм трехмерного обнаружения объектов на основе данных лазерного сканирования точечных облаков ограничен большим объемом данных, что не позволяет достичь баланса между скоростью и точностью. В данной работе предложен улучшенный алгоритм трехмерного обнаружения объектов Pillar RCNN. Сначала пространство точечных облаков разбивается на воксельные сетки, затем с помощью трехмерной свёрточной сети на основе разреженных свёрток воксельные сетки постепенно преобразуются в столбчатые воксели, а трехмерная информация квантуется в плотную двумерную информацию. Далее используется двумерная свёрточная сеть для извлечения признаков, одновременно признаки вокселей разных масштабов из трехмерной сети объединяются с двумерной сетью через многоуровневый модуль агрегации признаков вокселей, а затем рамки обнаружения уточняются с помощью функции потерь. Алгоритм протестирован на открытом наборе данных KITTI, скорость распознавания на платформе RTX 2080Ti составляет 2.48 мс. По сравнению с эталонным алгоритмом PointPillars, точность обнаружения велосипедов средней сложности улучшилась на 13.34%, обнаружение автомобилей высокой сложности улучшилось на 8.85%, также повысилась точность обнаружения других категорий, реализован баланс между скоростью и точностью.

компьютерное зрение; трехмерное обнаружение объектов; воксель; разреженные свертки; агрегация признаков