120 / 2022-10-12 22:07:15

基于稀疏卷积的实时物体检测算法

实时物体检测在增强现实、自动驾驶等领域具有重要意义。基于2D图像的物体检测方法面临的主要问题在于缺乏三维立体信息从而无法处理遮挡等问题。结合卷积神经网络的检测算法岁能够改善检测的精度，但是降低了其时间效率。本文从精度和效率两个角度考虑，利用图像序列间的关联性提出了一种基于稀疏卷积的物体检测算法，并将该算法与SLAM系统相结合，实现真实场景的实时检测。该方法将采集的真实场景的RGBD数据流作为输入，首先利用2DCNN分别对RGB图像和Depth图像进行特征提取合并，其次利用投影变换将2D空间域特征映射到视频流的3D时间域，采用稀疏卷积对映射关联进行进一步的特征优化，最后根据特征预测场景中物体的类别并融合到三维体空间中。本文将该方法在Scannet数据集上进行的相关实验和测试，结果表明本文的方法在准确率和时间效率均优于现有的方法。同时，本文将提出的方法与增强现实应用相结合，实现真实场景的布局估计。