一种基于全局特征增强与假阴性矫正的3D多目标检测方法

本发明公开了一种基于全局特征增强与假阴性矫正的3D多目标检测方法，方法包括：首先从LiDAR传感器获取点云数据，并转换为规则体素网格，提取鸟瞰图(BEV)特征。设计滑动窗口注意力模块，结合自适应动态区域重定位裁剪，使每个区域的特征与其他区域进行交互，增强局部特征表征能力，促进全局上下文信息融合。具体实现包括区域划分、自适应动态区域重定位裁剪、区域自注意力以及滑动区域注意力机制的应用，以捕捉不同区域间的相互作用；构建并行的多阶段热图编码器，从BEV特征中解码中心热图并投影到BEV视图。热图峰值对应潜在目标位置，通过分析强度分布识别前k个最显著的目标特征，确保精确定位；同时引入累积伪阳性管理(APM)系统，在每层热图基础上生成掩码图，结合上层掩码图和当前热图更新检测结果，选择新的前k个最高峰值实例特征，减少误报和漏检，提高检测精度。最后通过多头自注意力以及局部交叉注意力机制强化实例在全局中的表征能力，最终优化BEV特征以预测3D边界框。