仪器仪表学报

作者：刘明杰，魏宇，陈俊生，刘平，朴昌浩

单位：刘明杰,重庆邮电大学自动化学院重庆400065,liumj@cqupt.edu.cn,魏宇,重庆邮电大学自动化学院重庆400065,,陈俊生,重庆邮电大学自动化学院重庆400065,,刘平,重庆邮电大学自动化学院重庆400065,,朴昌浩,重庆邮电大学自动化学院重庆400065,piaoch@cqupt.edu.cn,

关键词：目标检测;激光雷达;体素特征交互;Mamba模型;全局上下文

基金：国家重点研发计划项目(2022YFE0101000)、重庆市技术创新与应用发展专项重大项目(CSTB2023TIAD-STX0035)、重庆市教育委员会科学技术研究项目(KJQN202200630)资助

针对当前多数基于激光雷达的3D目标检测方法中因局部感受野限制无法建模特征远距离依赖，以及对点云数据的窗口划分策略导致的拓扑结构破坏等问题，提出了一种基于全局体素特征交互的3D点云目标检测网络。首先，设计基于希尔伯特空间曲线和Mamba的长距离上下文特征提取模块，通过对体素空间进行希尔伯特曲线序列化并保持体素间的空间局部性，利用Mamba处理长序列的优势提取具有长距离依赖的点云上下文特征，显著提升算法对长程依赖的建模能力。其次，设计基于特征图响应强度的自适应体素扩散模块，进行体素之间大规模的长程特征交互，通过动态生成扩散体素对目标中心体素的语义表达能力进行增强。此外，提出了一种空间特征恢复算子，通过子流形卷积的局部结构保持能力和Mamba的全局建模特性，对局部和全局特征表达进一步进行协同优化，用于补充序列化和体素聚合过程引入的信息损失。在KITTI数据集进行了实验，结果表明，方法达到了先进的3D目标检测性能，在汽车、行人和骑行者这3种类别的中等检测难度下精度分别达到了82.36%、61.96%、66.05%，同时推理速度达到19fps，相比于基准模型，该方法较好地保持了精度和效率间的平衡。同时，在实际道路场景中进行了可视化对比分析，该方法表现出较强的泛化能力和实际应用潜力。

来源：2025年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第9期