基于拖拉机道路场景的三维目标检测网络 FrustumFusionNets
计算机视觉与模式识别
2025-03-19 v1 人工智能
摘要
为解决现有锥体方法在道路三维目标检测中 underutilization of image information 以及缺乏农业场景研究的问题，我们构建了一个基于80线激光检测与相机的拖拉机道路场景目标检测数据集，并提出了一种新型网络称为 FrustumFusionNets（FFNets）。首先，我们利用基于图像的二维目标检测结果缩小三维点云搜索区域；随后引入高斯掩码增强点云信息；然后分别通过点云特征提取管道和图像特征提取管道提取锥体点云和作物图像的特征；最后拼接融合两种模态的数据特征以实现三维目标检测。实验表明，在构建的拖拉机道路数据集测试集上，FrustumFusionNetv2 在两类主要道路目标（汽车和行人）的三维目标检测准确率分别达到82.28%和95.68%，分别比原始模型高出1.83%和2.33%。该方法为无人农业机器人在拖拉机道路场景下的基于混合融合的多目标、高精度、实时三维目标检测技术提供了解决方案。在卡尔斯鲁夫理工学院与丰田技术研究所（KITTI）基准套件的验证集上，FrustumFusionNetv2 在检测道路行人方面也表现出显著优于其他基于锥体的三维目标检测方法的优势。
引用
@article{arxiv.2503.13951,
title = {FrustumFusionNets: A Three-Dimensional Object Detection Network Based on Tractor Road Scene},
author = {Lili Yang and Mengshuai Chang and Xiao Guo and Yuxin Feng and Yiwen Mei and Caicong Wu},
journal= {arXiv preprint arXiv:2503.13951},
year = {2025}
}