Attention-based direct three-dimensional human pose estimation for point clouds

ShuaiNan Yu

doi:10.1016/j.engappai.2025.113042

Attention-based direct three-dimensional human pose estimation for point clouds

2025-11-08

0

PRE

AI

DOI：10.1016/j.engappai.2025.113042

原文链接

原文求助

摘要

En 中文

近年来，基于光探测和测距（LiDAR）的多人体三维（3D）姿态估计由于点云数据的稀疏性和不完整性而面临重大挑战，通常导致对远距离或被遮挡目标的误差较大。为解决这些问题，提出了一种基于注意力机制的多帧多人体3D姿态估计方法。该方法通过利用多帧点云特征来恢复因稀疏性或不完整性造成的缺失关节信息，从而准确预测人体3D骨架并改善被遮挡目标的姿态估计。具体而言，设计了一种带有注意力机制的轻量级3D卷积模块以生成精细的体素特征，同时混合稀疏-密集卷积模块有效整合局部和全局信息。此外，引入一个带有可学习查询嵌入的注意力引导多帧回归模块，直接从融合的时序特征中预测骨架关节。在公开户外数据集上的实验结果表明，该方法达到73.24%的平均精度，优于当前最优基线0.74%。值得注意的是，在严重遮挡条件下，该方法将关节定位精度提高了12%以上。这些结果证明了所提出的基于深度学习的AI方法在提高LiDAR基户外监控系统中的3D人体姿态估计精度和鲁棒性方面的有效性，展示了AI在智能监控中的实际应用。

Attention-based direct three-dimensional human pose estimation for point clouds

摘要

期刊

机构

引用论文