文档名：基于卷积注意力机制的2DLiDAR实时人体检测算法
摘要：针对激光雷达(LiDAR)数据稀疏且信息含量低,难以识别人体特征的难题,提出一种基于卷积注意力机制的人体腿部实时检测方法.通过深度引导的滑动窗口对激光点信息预处理,使对象在不同的距离上有相同的特征信息.通过时间信息聚合,获得LiDAR数据更丰富的空间表现,减少运算时间.通过卷积注意力模块与自回归模型卷积神经网络,对空间邻域关联错位的特征进行分析.为验证本文提出算法对行人腿部的检测效果,在DROW验证集的3种评估半径下,曲线下面积(AUC)提高21%以上,F1提高14%以上,检测时间平均降低13ms.实验结果表明:本文算法相比于DROW算法具有更高的检测精度与更快的运算速度.
Abstract：AimingattheproblemofsparseandlowinformationcontentofLiDARdata,whichmakesitdifficulttorecognizehumanfeatures,areal-timedetectionmethodforhumanlegsbasedonconvolutionattentionmechanismisproposed.Thelaserpointinformationispreprocessedbyadepth-guidedslidingwindow,sothattheobjecthasthesamefeatureinformationatdifferentdistances.Throughaggregationoftimeinformation,moreabundantspatialrepresentationofLiDARdatacanbeobtained,whichreducestheoperationtime.Thecharacteristicsoftheassociateddislocationwithspatialneighborhoodsareanalyzedbytheconvolutionattentionmoduleandtheautoregressionmodel.Toverifythedetectioneffectoftheproposedalgorithmonpedestrianlegs,underthreeevaluationradiusofDROWvalidationset,areaunderthecurve(AUC)isincreasedbymorethan21%,F1isincreasedbymorethan14%,anddetectiontimeisreducedby13msonaverage.TheexperimentalresultsshowthatthisalgorithmhashigherdetectionprecisionandfasteroperationspeedthanDROWalgorithm.
作者：刘鹏华 郑宝志 姚瀚晨 戴厚德 Author：LIUPenghua ZHENGBaozhi YAOHanchen DAIHoude
作者单位：厦门理工学院电气工程与自动化学院,福建厦门361024;中国科学院海西研究院泉州装备制造研究中心,福建泉州362216中国科学院海西研究院泉州装备制造研究中心,福建泉州362216
刊名：传感器与微系统
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2024, 43(2)
分类号：TP242.6
关键词：一维卷积神经网络 注意力机制 二维激光雷达 人体腿部识别
Keywords：1D-CNN attentionmechanism(AM) 2D-LiDAR humanlegdetection
机标分类号：TP391.4TN929.5P237
在线出版日期：2024年2月26日
基金项目：中国科学院国际合作局对外合作重点项目基于卷积注意力机制的2D-LiDAR实时人体检测算法[
期刊论文] 传感器与微系统--2024, 43(2)刘鹏华 郑宝志 姚瀚晨 戴厚德针对激光雷达(LiDAR)数据稀疏且信息含量低,难以识别人体特征的难题,提出一种基于卷积注意力机制的人体腿部实时检测方法.通过深度引导的滑动窗口对激光点信息预处理,使对象在不同的距离上有相同的特征信息.通过时间信息...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于卷积注意力机制的2D-LiDAR实时人体检测算法 2 D-LiDAR real-time human detection algorithm based on convolutional attention mechanism
基于卷积注意力机制的2D-LiDAR实时人体检测算法.pdf
- 文件大小:
- 540 KB
- 下载次数:
- 60
-
高速下载
|
