仪器仪表学报

作者：许丽梅，周治国，周学华

单位：许丽梅,北京理工大学集成电路与电子学院北京100081,,周治国,北京理工大学集成电路与电子学院北京100081,zhiguozhou@bit.edu.cn,周学华,北京理工大学集成电路与电子学院北京100081,

关键词：3D目标检测;自动驾驶;点云上采样;激光雷达（LiDAR）点云

基金：启元实验室创新基金（JCJQ-LA-001-077）项目资助

基于LiDAR的3D目标检测在性能上表现出色，但前景目标点云分布不均匀，往往削弱了其几何特征的表达。同时，远距离目标通常点数稀少，进一步影响检测效果。为此，提出了一种创新框架PUDet，将生成模型融入判别式检测器中。利用带有先验知识的点云上采样网络，增强前景目标的几何细节，从而帮助检测器实现更精确的预测。PUDet包含2个关键模块：针对近距离目标的LDEM，通过优化点云分布来提升检测效果并降低计算成本；针对远距离目标的DDAM，通过增加点密度更清晰地勾勒物体轮廓。为了验证几何轮廓的优化效果，在增强前后分别对近距离和远距离目标的均匀损失进行了实验对比，证明了LDEM和DDAM的有效性。本研究还通过目标点云的注意力图展示了模型对关键区域的关注程度，从而进一步分析了精度提升的内在机制。在KITTI测试集上的实验结果表明，PUDet将基线模型CT3D的mAP提升了1.84个百分点。本研究为3D目标检测领域提供了一种新的方法，并为自动驾驶等应用场景中的精确目标识别和处理提供了更准确、可靠的支持。

来源：2025年第8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8期