计算机工程

作者：李潞洋, 闫锦龙, 方泽儒, 金旗旗, 薛红新

单位：1. 中北大学计算机科学与技术学院, 山西 太原 0300512. 机器视觉与虚拟现实山西省重点实验室, 山西 太原 0300513. 山西省视觉信息处理及智能机器人工程研究中心, 山西 太原 030051

关键词：激光雷达,动态特征提取,特征增强,多尺度特征,目标检测

基金：国家自然科学基金(62272426); 山西省基础研究计划项目(202303021212372); 机器视觉与虚拟现实山西省重点实验室研究基金(447-110103)

在点云三维目标检测任务中, 点云数据的稀疏性在客观上对小目标检测构成显著挑战。小目标自身有效点数稀少导致结构信息缺失与边界模糊, 而上下文感知能力不足阻碍模型有效利用周围环境信息进行空间推理与语义补全, 进而引发定位偏差, 以及其固有的空间定位困难、通道表达弱和特征易被背景淹没等问题, 共同制约了检测性能的提升。为缓解上述问题对检测精度造成的影响, 提出一种融合动态特征提取与特征增强映射的动态感知三维检测算法。该算法聚焦特征提取与候选框生成两大关键阶段对小目标检测进行优化。首先, 引入动态点特征预测网络(DPFPN), 通过自适应预测补充采样点以强化对小目标的结构感知能力; 其次, 构建特征增强映射网络(FEMN), 对原始特征及动态预测网络生成的特征进行深度融合, 输出富含上下文信息的二维特征图, 以有效弥补上下文缺失并提升小目标的定位精度; 最后, 设计点云特征增强网络(PCFEN), 在通道与空间双维度提升网络对小目标关键区域的聚焦能力。在nuScenes数据集上的实验结果表明, 所提算法性能优于当前主流目标检测算法, 与基准模型CenterPoint相比, 均值平均精度(mAP)由56.1%提升至59.4%, Nuscenes检测分数(NDS)由64.4提升至67.4。

来源：2026年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第4期