El algoritmo de detección de objetos 3D basado en datos de nubes de puntos LiDAR está limitado por el gran volumen de datos, lo que impide lograr un equilibrio entre velocidad y precisión. Este artículo propone un algoritmo mejorado de detección de objetos 3D llamado Pillar RCNN. Primero, el espacio de la nube de puntos del objeto se divide en voxeles, utilizando una red neuronal tridimensional basada en convoluciones dispersas para convertir gradualmente los voxeles en voxeles columnares, cuantificando la información 3D en información 2D densa. Luego, se utiliza una red principal 2D para extraer características, mientras que las características de voxeles a diferentes escalas de la red 3D se combinan con la red 2D mediante un módulo de agregación de características de voxeles multi-escala, refinando aún más las cajas de detección a través de la función de pérdida. El algoritmo se prueba en el conjunto de datos público KITTI, con una velocidad de reconocimiento de 2.48 ms en la plataforma de hardware RTX 2080Ti. En comparación con el algoritmo de referencia PointPillars, la detección de bicicletas de dificultad media mejora un 13.34%, la detección de coches en dificultad difícil mejora un 8.85%, y también hay mejoras en la precisión de detección de otras categorías, logrando un equilibrio entre velocidad y precisión.

visión por computador; detección de objetos 3D; voxel; convolución dispersa; agregación de características