基于自注意力和多点云特征融合的行车目标检测
来源：中国血液净化杂志2025年第5期北京时间：
作者：马庆禄, 李章涵, 闫浩, 邹政
单位：1. 重庆交通大学 交通运输学院，重庆 400074","2. 同济大学 道路与交通工程教育部重点实验室，上海 201804
摘要：<p>为了提升自动驾驶车辆行进中对周边移动目标尺寸、位置、朝向等空间信息的感知能力，结合PointPillars与PointRCNN模型优化检测方法，提出一种基于自注意力机制的多特征融合目标检测模型MF-Point。该模型引入完全自注意力（Fully Self-Attention，FSA）增强模型的上下文感知能力，通过可变自注意力机制（Dynamic Self-Attention，DSA）在上采样过程中将结构信息有效传播到整个节点网络以增强点云特征的空间语义信息。同时，在基准算法网络中新增与其点特征提取分支相并行的柱状特征提取分支，两者并行融入自注意力变体以生成综合点特征，将其嵌入到基准算法框架中以提升检测模型对点云的处理和解析能力。试验使用KITTI三维目标检测数据集，对车辆、骑行者以及行人3类目标进行模型训练与评估，结果表明：改进后的MF-Point算法在三维模式下，车辆、行人和骑行者的检测精度分别提升了2.19%、2.68%和2.12%；在鸟瞰视角模式下，这3类目标的检测精度分别提升了0.59%、0.88%和4.67%。为进一步验证模型的泛化能力及其实际应用效果，将训练好的MF-Point算法模型部署到ROS系统中，将KITTI中的64线公开数据集和32线实测点云数据分别进行检测验证，连续检测帧数分别达到8.4帧·s<sup>－1</sup>和10.7帧·s<sup>－1</sup>，试验表明MP-Point模型提高了移动目标遮挡时的检测性能，漏检率降低了2.1%，且在公开数据集和实测验证中均具有较高的实时性和良好的检测性能。</p>
关键词：汽车工程,自动驾驶,三维目标检测,激光雷达点云,自注意力机制
