第39卷第1期2024年1月Vol.39No.1Jan.2024液晶与显示ChineseJournalofLiquidCrystalsandDisplays基于知识蒸馏和定位引导的Pointpillars点云检测网络赵晶1，4，李少博1，2，郭杰龙2，3*，俞辉2，3，张剑锋2，3，李杰2，3（1.厦门理工学院电气工程与自动化学院，福建厦门361024；2.中国科学院福建物质结构研究所，福建福州350108；3.中国科学院海西研究院泉州装备制造研究中心，福建泉州362000；4.厦门市高端电力装备及智能控制重点实验室，福建厦门361024）摘要：激光雷达数据由于其几何特性，被广泛应用于三维目标检测任务中。由于点云数据的稀疏性和不规则性，难以实现特征提取的质量和推理速度间的平衡。本文提出一种基于体柱特征编码的三维目标检测算法，以Pointpillars网络为基础，设计Teacher-Student模型框架对回归框尺度进行蒸馏，增加蒸馏损失，优化训练网络模型，提升特征提取的质量。为进一步提高模型检测效果，设计定位引导分类项，增加分类预测和回归预测之间的相关性，提高物体识别准确率。本网络所做改进没有引入额外的网络嵌入。算法在KITTI数据集上的实验结果表明，相比于基准网络，在三维模式下的平均精度值从60.65%提升到了64.69%，鸟瞰图模式下的平均精度值从67.74%提升到70.24%。模型推理速度为45FPS，在提升检测精度的同时满足了实时性要求。关键词：激光点云；三维目标检测；知识蒸馏；分类置信度中图分类号：TP391.4文献标识码：Adoi：10.37188/CJLCD.2023-0058PointpillarspointclouddetectionnetworkbasedonknowledgedistillationandlocationguidanceZHAOJing1，4，LIShaobo1，2，GUOJielong2，3*，YUHui2，3，ZHANGJianfeng2，3，LIJie2，3（1.SchoolofElectricalEngineeringandAutomation，XiamenUniversityofTechnology，Xiamen361024，China；2.FujianInstituteofResearchontheStructureofMatter，ChineseAcademyofSciences，Fuzhou350108，China；3.QuanzhouInstituteofEquipmentManufacturing，HaixiInstitutes，ChineseAcademyofSciences，Quanzhou362000，China；4.XiamenKeyLaboratoryofFrontierElectricPowerEquipmentandIntelligentControly，Xiamen361024，China）Abstract：Lidardataiswidelyusedin3Dtargetdetectiontasksduetoitsgeometriccharacteristics.Due文章编号：1007-2780（2024）01-0079-10收稿日期：2023-02-17；修订日期：2023-03-21.基金项目：福建省科技计划（No.2021T3003）；泉州市科技计划...
