基于伪点云融合的多模态三维目标检测方法

来源：电子测量技术杂志2026年第1期北京时间：

作者：李旭，张永宏，朱灵龙，阚希

单位：1.南京信息工程大学自动化院 南京 210044; 2.无锡学院物联网工程学院 无锡 214105

摘要：针对目前的纯激光雷达三维检测方法不可避免地受到点云稀疏性的影响，且激光雷达扫描得到的点云数据在远距离表现比近距离更加稀疏导致模型训练过程中正负样本不均衡的问题，提出一种新的基于伪点云融合的多模态框架MCA-VoxelNet，它由两个关键设计组成：利用深度补全产生的伪点云来解决点云稀疏性问题，并且通过距离感知采样模块丢弃大量附近的冗余体素来提高计算效率；利用多阶段级联注意力检测结构聚合多个检测阶段的目标特征，平衡正负样本数量并逐步完善RPN网络输出的区域建议。在权威的KITTI自动驾驶数据集上的实验结果表明，MCA-VoxelNet以17.54的FPS在简单、中等和困难三个难度类别上的汽车精度分别达到94.19%、85.93%和86.17%，比次优的方法分别高出2.64%、1.16%和1.91%。

关键词：机器视觉;自动驾驶;三维目标检测;伪点云;注意力机制

基金资助：国家自然科学基金（42175157，42475151，42305158）、无锡市“太湖之光”科技攻关计划（基础研究）项目（K20231021）资助