计算机软件及计算机应用论文_基于深度霍夫优化 -种子科技杂志社投稿

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

计算机软件及计算机应用论文_基于深度霍夫优化

作者:

关键词:

摘要：

文章摘要:针对三维点云时敏单目标跟踪问题，提出了一种基于深度霍夫优化投票的深度学习算法。该算法首先采用PointNet++网络分别从模板点云和搜索点云中计算种子点、提取几何特征，并通过面向目标的特征提取方法将目标模板信息编码到搜索区域中。其次，通过种子点投票计算并筛选出具有高置信度的潜在目标中心。最后，通过目标中心点的采样、聚集产生多个提议，选取具有最高得分的提议生成三维目标框。该算法能够有效避免耗时的三维全局搜索，且对点云的无序性、不规则性和稀疏性保持鲁棒。为了验证该网络的有效性，在公共数据集KITTI上进行测试。实验结果表明，该网络相较于当前最好的基于三维点云的方法，准确度提高了约10%，并可以在单个NVIDIA2080S图形处理器上以43.5FPS运行。

文章关键词:

论文分类号:TP391.41;TP18

文章来源：《种子科技》网址: http://www.zzkjzz.cn/qikandaodu/2022/0124/1990.html