基于激光雷达的列车前向障碍物检测方法

Forward Obstacle Detection Algorithm for Train Based on LiDAR

摘要

为解决基于视频图像的列车前向障碍物检测方法在光照条件和目标距离等因素下的泛化性问题，提出基于激光雷达的检测方法。首先，聚焦VoxelNeXt体素化过程中的精度损失，通过引入动态体素化技术对体素化过程进行优化，以减少信息丢失；其次，针对列车前向运行环境的空间分布特征，设计L型残差稀疏卷积模块，以便有效捕捉列车前向运行环境中点云数据的深度语义特征；最后，提出跨维度自动编码模块，使之与主干特征提取网络相结合，形成跨维度自动编码网络，进一步增强网络输出特征的表达能力。结果表明：所提方法的平均精度均值可达72.38%，平均召回率均值可达76.59%，相较于其他方法表现出显著的性能优势。该方法能够满足列车前向障碍物高精度、远距离、快速化的检测需求，为列车主动安全保障提供有效的技术依托。

Abstract

To address the generalization issues of train forward obstacle detection methods based on video imagery under factors such as lighting conditions and target distances, a LiDAR-based detection method is proposed. Firstly, focusing on the accuracy loss in the VoxelNeXt voxelization process, dynamic voxelization technology is incorporated to optimize this process, thereby minimizing information loss. Secondly, considering the spatial distribution characteristics of the forward operating environment of the train, an L-shaped residual sparse convolution module is designed, so as to effectively capture the deep semantic features of point cloud data in the forward operating environment of the train. Finally, a cross dimensional automatic encoding module is proposed, which integrates with the backbone feature extraction network to form a cross-dimensional automatic encoding network, further enhancing the expression capability of the network's output features. The results show that the average accuracy of the proposed method can reach 72.38%, and the average recall rate can reach 76.59%, demonstrating significant performance advantages compared to other methods. This method fulfills the requirements for high-precision, long-distance, and fast detection of obstacles in the forward direction of trains, providing effective technical support for active train safety assurance.

Graphical abstract

关键词

障碍物检测 / 激光雷达 / 深度学习 / 稀疏卷积 / 跨维度自动编码

Key words

Obstacle detection / LiDAR / Deep learning / Sparse convolution / Cross-dimensional automatic coding

随着轨道交通数字化建设的不断推进，环境感知技术已成为现代轨道交通列车的主要发展方向之一^［1-3］。列车前向障碍物检测作为列车环境感知的关键功能，可以辅助列车及时发现行车线路上的障碍物，保障列车的运行安全。目前，轨道交通列车的前向障碍物检测算法主要依赖于工业相机采集的视觉图像，其性能受到光照条件和目标距离等内外界条件限制，在复杂多变的运行环境中其泛化性受限^［4-6］。近年来，激光雷达传感器取得了显著进步。激光雷达通过发射脉冲激光并接收反射信号来感知运行环境的三维信息，因而不受光照条件的影响且具备远距离探测能力，使其在轨道交通列车的前向障碍物检测中展现出极高的应用潜力。

激光雷达扫描得到的三维点云数据具有旋转不变性和平移不变性等空间分布特性^［7］，传统的聚类算法能够充分利用这些特性，从原始点云中提取障碍物的轮廓和位置等信息。沈拓等^［8］提出了1种考虑激光反射强度的障碍物检测算法，该算法使用欧式聚类算法并结合激光的反射强度对点云进行聚类，提升了自动驾驶列车障碍物检测算法的速度与精度。Wang等^［9］使用目标检测算法提取铁路图像中的潜在障碍物，在此基础上将检测到的二维图像障碍物目标映射至三维点云空间，并提出自适应聚类与网格聚类算法，实现了障碍物的检测和距离测量。然而，聚类算法难以分辨障碍物的详细类别，无法满足列车运行过程中的风险预警功能需求。

近年来，随着机器学习等人工智能技术的快速发展，卷积神经网络等深度学习方法在基于三维点云的目标检测领域中得到了广泛的应用^［10-12］。Lang等^［13］提出了PointPillar算法，该算法将三维点云体素化为柱状的Pillar结构并进一步转化为二维伪图像，以应用成熟的图像检测算法进行检测。Yin等^［14］提出了1个两阶段目标检测算法CenterPoint，该算法通过检测三维目标的中心点来预测其检测框的大小，并使用检测框的中心点特征回归检测框的得分以进行细化处理。Chen等^［15］提出了1种纯稀疏的三维点云目标检测算法VoxelNeXt，通过在主干网络特征提取、颈部特征增强和预测头中都采用稀疏的网络架构有效地提高了三维目标检测的速度和精度。尽管深度学习在三维点云目标检测领域中取得了诸多进展，但绝大多数算法是基于自动驾驶汽车开发的环境感知算法，针对轨道交通列车开发的前向障碍物检测算法相对较少，这一领域的研究仍然缺乏深入探索。

考虑到VoxelNeXt算法的纯稀疏设计具有良好的速度-精度均衡，且列车前向障碍物检测在实际应用中需要同时兼顾速度和精度，因此，在VoxelNeXt算法的基础上提出了针对轨道交通列车前向障碍物检测的TrainVoxel方法，该方法结合L型残差稀疏卷积（L-type Residual Sparse Convolution，LRSC）模块和跨维度自动编码（Inter-dimensional Automatic Coding， IAC）模块。通过优化特征提取与融合过程，以实现高效且准确的障碍物检测。

1 前向障碍物检测方法

1.1　整体结构

TrainVoxel是1种基于体素的三维点云目标检测方法。其整体结构如图1所示。主要由动态体素化、L型主干网络、IAC网络和预测头组成。在运行过程中，算法接收来自激光雷达扫描的列车前向运行环境三维点云数据，并输出检测到的障碍物信息。首先，通过动态体素化将点云转换为体素网格；然后，将体素网格输入L型主干网络以提取深层特征，并利用IAC网络对深层特征进行增强得到增强后的特征；最后，预测头基于增强后的特征图，预测出障碍物的三维中心点和三维尺寸，从而获取障碍物的详细信息，实现自动避障。

1.2　动态体素化

为减少三维点云在转化为体素网格过程中的精度损失，采用动态体素化^［16］实现该转化过程。动态体素化将整个三维点云划分为空间均匀的体素网格，每个点基于其坐标被分配到相应的体素网格中。在此过程中，保留了分配到每个体素网格中的点，而不进行下采样或填充空点，即不采用固定容量的体素网格。在动态体素化过程中，体素的数量以及每个体素中所包含的点数均呈现动态变化的特点，这种变化紧密依赖于特定的映射函数。动态体素化消除了每个体素采样对预定义点数的需要，所有的原始点都能被充分利用，其过程为

F_V(p_i)=v_j\forall i（1）

F_P(v_j)=\left\{p_i|p_i\in v_j\right\}\forall j（2）

式中：p_i为原始点；i为点的索引；v_j为生成的体素；j为体素网格的索引；F_V(p_i)为每个点p_i所在的体素v_j的映射；F_P(v_j)为体素v_j中点集合的映射。

1.3　L型主干网络

列车的前向运行环境点云通常表现为细长且狭窄的空间分布形态，与自动驾驶汽车的环视扫描点云存在显著差异，两者的三维点云俯视图对比如图2所示。这种空间分布形态的差异导致通常使用的标准残差稀疏卷积（Standard Residual Sparse Convolutional，SRSC）模块在列车前向运行环境点云中的特征提取能力受限。因此，提出LRSC模块。2D和3D的SRSC模块与LRSC模块的对比如图3所示。

LRSC模块由1个1×3×5的子流形稀疏卷积和1个5×3×1的子流形稀疏卷积组成，通过归一化操作、ReLU激活函数和残差连接输出特征。该模块允许不规则大小的稀疏卷积在三维空间中聚焦于不同方向的特征提取，其卷积过程如图4所示。1×3×5的子流形稀疏卷积运算过程专注于提取Z轴方向上的体素特征，而5×3×1的卷积运算则侧重于提取X轴方向上的体素特征。这2个卷积运算具有不同的空间感受野，叠加后形成L型结构，遍历整个三维体素空间。此外，LRSC模块对X轴和Z轴方向的关注与列车前向运行环境点云的空间分布特性高度契合，使得该模块能够在不损失输出特征映射的情况下增加感受野的大小，从而获得高分辨率的语义特征。

基于SRSC神经网络的分层原则^［17］，提出1种L型主干网络。在特征提取过程中采用稀疏卷积（Sparse Convolution，SC）进行下采样，使用LRSC模块进行特征提取。L型主干网络的组成见表1。在特征提取前3层中，每一层均包含1个5×5×5的稀疏卷积和2个LRSC模块，在后3层中，每一层均包含1个3×3×3的稀疏卷积和1个LRSC模块。该构成方式既可保证不同尺度下均能有效捕获空间信息，又可实现计算效率和特征提取精度的平衡。

1.4　跨维度自动编码网络

在主干网络之后，将IAC模块用于增强主干网络的输出特征，以提高算法的远距离和小目标障碍物检测能力，其结构如图5所示。该模块将三维特征和二维特征作为输入，经过三维特征压缩、二维特征上采样和融合卷积三个操作，实现特征融合。

在IAC模块中，三维特征压缩将三维空间的特征映射至鸟瞰图（BEV）空间，实现特征由三维至二维的降维处理。为有效地将三维稀疏特征转化为BEV空间的稀疏特征，将其放置在BEV空间，并在相同的二维位置上对特征沿Z轴进行求和，特征压缩过程如图6所示。该降维处理将三维空间中粗粒度的稀疏特征转化为二维空间中细粒度的稀疏特征，从而增强特征的位置语义信息。

三维特征压缩后，为充分捕捉稀疏特征的局部细节与全局结构，IAC模块将与BEV 特征相邻尺度的二维特征进行上采样，以实现不同尺度特征间的深度融合。稀疏特征作为1种特殊的数据结构，由空间形状、特征坐标和特征值3部分组成。针对其分层组成的特性，将稀疏特征的特征坐标进行翻倍处理，而不改变其原始特征，以达到上采样的效果。上采样及融合过程为

{\tilde{P}}_i=\left\{(\mathrm{2}{x}_p,\mathrm{2}{y}_p)|p\in {\stackrel{̑}{P}}_i\right\}（3）

P_i={\tilde{P}}_i\bigcup {\overline{P}}_j（4）

F_i={\tilde{F}}_i\bigcup {\overline{F}}_j（5）

式中：{\tilde{P}}_i为上采样后的二维特征坐标；{\stackrel{̑}{P}}_i为原始二维特征坐标；{\overline{P}}_j为BEV特征坐标；P_i为拼接融合后的特征坐标；{\tilde{F}}_i为上采样后的二维特征值；{\overline{F}}_j为BEV特征值；F_i为拼接融合后的特征值；\bigcup表示contact拼接融合。

在特征融合过程中，由于不同维度和尺度的特征信息频繁交互，导致融合后的特征中往往存在噪声和不平稳信息，这些冗余和干扰因素可能对后续的障碍物检测任务产生不利影响。因此，引入2D-SRSC模块，该模块位于融合特征之后以去除噪声，并提取出更为关键的语义信息。

基于IAC模块提出的IAC网络结构如图7所示。首先，三维特征L6被压缩至BEV空间，并经过2D-SRSC模块去除噪声，得到BEV特征P6。随后，将L5和P6作为IAC模块的输入，三维特征L5被压缩至BEV空间，二维特征P6被上采样至L5尺度，拼接融合后经过一个2D-SRSC模块，得到二维特征输出P5。同理，将L4和P5作为IAC模块的输入，得到输出二维特征输出P4。最终P4、P5和P6层与L4、L5和L6层构成1种跨维度的自动编码网络。通过该网络，可有效地利用多源特征信息，并提升特征的表达能力和鲁棒性。

2 数据处理

2.1　数据采集

选用Livox Tele-15激光雷达^［18］作为试验设备，该雷达的激光波长为905 nm，视场角度为14.5×16.2°，在10%的反射率下探测距离可达到320 m，在50%的反射率下可达到500 m。

在试验过程中，将激光雷达的扫描频率设置为10 Hz，并将激光雷达以2 m的高度垂直水面平固定，以模拟真实车载设备的安装角度和扫描频率，激光雷达的摆放姿态和位置如图8所示。为评估算法对不同障碍物的检测性能，选取纸箱、石头和行人作为目标类别。并取多个场景，在激光雷达前方以不同距离不断移动障碍物，模拟真实的障碍物侵限。采集到的障碍物图像和点云数据如图9所示。图中：红色点云表示障碍物；蓝色点云表示铁路轨道；白色点云表示铁路场景中的其他元素。由图9可知：随着光照条件的减弱，图像数据质量显著下降，而点云数据的质量则未受到任何影响。

由于纸箱和石头的反射面较小，在远距离时难以反射足够的信号供激光雷达探测，因此，在超过200 m距离的障碍物检测中选择行人作为主要目标对象。采集数据后进行标注，构建轨道交通障碍物侵限点云数据集，最终得到包含2 418个精细注释样本的数据集。数据集中各个障碍物类别的数量和尺寸见表2。将数据集按照7∶3划分为训练集和测试集，即1 692个点云用于训练，726个点云用于测试。

2.2　试验环境

本试验采用Ubuntu 20.04操作系统，利用PyTorch深度学习框架进行模型训练。GPU型号为NVIDIA 3090Ti，CPU型号为Intel i9-10980XE。设置点云数据的坐标取值，X轴为［0，360］；Y轴为［-40，40］；Z轴为［-8，8］。设置体素网格的尺寸为长0.1 m，宽0.1 m，高0.4 m。模型训练的初始学习率为0.001，批量大小为4，训练周期数为100。优化器选用adam_onecyel，其动量参数设置为0.9，权重衰减系数为0.01。

2.3　评估指标

为验证障碍物检测性能，选取准确率P，召回率R，平均精度A_P，平均召回率A_R，平均精度均值m_AP，平均召回率均值m_AR 和每秒处理点云的帧率F_FPS作为算法的性能评估标准，以综合评价模型的性能。

准确率P为检测结果为正类样本中，模型实际预测正确的样本所占的比例，其计算式为

P=\frac{T_{\mathrm{P}}}{T_{\mathrm{P}}+F_{\mathrm{P}}}（6）

式中：T_P为正确检测的障碍物样本数；F_P为漏检或误检的障碍物样本数。

召回率R为检测结果为正类样本中，被模型预测正确的样本所占比例，其计算式为

R=\frac{T_{\mathrm{P}}}{T_{\mathrm{P}}+F_{\mathrm{N}}}（7）

式中：T_P为正确检测的障碍物样本数；F_N为漏检的障碍物样本数。

平均精度A_P 为单类别障碍物检测准确率对召回率的积分，其计算式为

A_P={\int }_{\mathrm{0}}^{\mathrm{1}}{P}_R\mathrm{d}R（8）

平均精度均值m_AP 为各障碍物类别平均精度的均值反映了障碍物检测的准确性，其计算式为

m_{AP}={\displaystyle \sum _{i=\mathrm{1}}^N}\frac{A_{P_i}}{N}（9）

式中：A_{P_i}为每个障碍物类别的平均精度；N为障碍物类别数。

平均召回率A_R 为单类别障碍物召回率在40个交并比阈值下的均值，其计算式为

A_R=\frac{\mathrm{1}}{\mathrm{40}}\sum _{t\in Q}{R}_t（10）

式中：R_t 为第t个交并比阈值下的召回率；Q为中间变量，Q=\left\{\mathrm{1}/\mathrm{40,2}/\mathrm{40},\cdots ,\mathrm{1}\right\}。

平均召回率均值m_AR 为各类别障碍物平均召回率的均值，反映了障碍物检测的全面性。其计算式为

m_{AR}={\displaystyle \sum _{i=\mathrm{1}}^N}\frac{A_{R_i}}{N}（11）

式中：A_{R_i}为每个类别障碍物的平均召回率。

3 试验结果与分析

3.1　对比试验

为验证TrainVoxel在轨道交通列车前向障碍物检测任务中的有效性，选取近几年的先进目标检测算法与TrainVoxel进行对比，结果见表3。由表3可知：TrainVoxel在检测精度方面展现出了显著的优势，其m_AR 达到76.59%，m_AP 达到72.38%，这两项指标均超过了所有对比算法；与VoxelNeXt和Part-A2-Net算法相比，TrainVoxel的m_AR 分别提升2.40%和3.02%，m_AP 提升2.92%和1.17%；此外，TrainVoxel在保持较高精度的同时，实现了17.6帧 · s^-1的处理速度，远高于实际应用中激光雷达的采样频率（10帧 · s^-1）。证明TrainVoxel在速度与精度之间可实现良好的均衡，能够为自动驾驶列车的前向障碍物检测提供更为高效、准确的解决方案。

对比不同算法在各类别障碍物和不同检测距离下的检测精度，结果见表4。由表4可知：TrainVoxel在行人类别的检测任务中达到最高的精度，在纸箱检测中仅次于VoxelNeXt，在石头检测中仅次于Part-A2-Net。尽管TrainVoxel在这2个类别的检测中并非领先，但其与领先方法的精度差距较小，因此取得了最佳的平均检测精度。为评估算法在不同检测距离下的表现，将检测距离沿X轴（前向方向）划分为［0，100）m、［100，200）m和［200，300）m，并在各距离区间内进行m_AP 的性能对比测试，结果见表5。由表5可知：TrainVoxel在［100，200） m和［200，300） m的中远距离检测任务中展现出较高的检测精度。

为验证TrainVoxel的泛化性，将该算法和其他算法在KITTI数据集上进行对比，试验结果见表6。所有算法均采用PointPillar的超参数设置，在相同的软硬件环境下进行训练，并在KITTI验证集上进行性能测试。由表6可知：TrainVoxel在KITTI验证集上也具有良好的表现，在中等难度下，汽车、行人和自行车类别的A_P 分别达到76.10%，54.29%和64.08%，相较于基准算法VoxelNeXt具有一定的提升，进一步证明TrainVoxel具有良好的泛化性。

3.2　可视化试验结果与分析

由图10可知：PointPillar和PillarNet^［19］预测出的障碍物边界框均出现不同程度的拉伸与偏移现象；Part-A2-Net出现了漏检，这在轨道交通列车的前向障碍物检测中是不可接受的错误。相较之下，CenterPoint和VoxelNeXt的检测性能尚可，但在远距离障碍物检测中预测的边界框偏小，未能全面覆盖障碍物的边缘点云；而TrainVoxel展现出优异的性能，其预测的边界框可良好的包围障碍物点云，且与真实边界框最为接近。

为验证TrainVoxel的远距离障碍物检测性能，选取1个包含远距离障碍物的点云场景进行试验，结果如图11所示。由图11可知：在261 m处站立行人时，TrainVoxel表现最好，尽管其预测的边界框存在一定的拉伸，但相对于其他算法，其拉伸程度最小，所预测的边界框和真实边界框最接近。证明TrainVoxel在远距离障碍物检测方面展现出显著的优越性，可实现对远距离目标的高效检测。

3.3　消融试验

为验证TrainVoxel的有效性，进行消融试验，结果见表7。表中“√”表示在VoxelNeXt模型中采用该模块进行改进。由表7可知：3个改进方法均未使用的情况下，模型的障碍物检测能力较差，模型的m_AR 和m_AP 分别为74.19%和69.46%，综合性能不佳；使用动态体素化后，模型的m_AR 提升0.44%，m_AP 提升0.41%，检测结果更加稳定；当L型主干网络和IAC网络单独作用时，模型的m_AR 分别提升1.30%和1.58%，m_AP 分别提升2.39%和1.13%，表明模型可更好的提取障碍物的特征信息；当L型主干网络和IAC网络共同作用时，模型的m_AR 提升1.88%，m_AP 提升2.65%，模型的性能得到较大提升；当3个模块同时被使用时，TrainVoxel模型的m_AR 达到76.59%，m_AP 达到72.38%，获得了最佳性能。此外，对于纸箱类别，所有模型都达到较高的检测精度；而对于检测精度较低的石头和行人类别，TrainVoxel模型表现出显著的提升。充分证明TrainVoxel模型在提升轨道交通列车前向障碍物检测性能方面的有效性。

4 结论

（1）针对激光雷达的列车前向障碍物检测算法存在的问题，提出1种TrainVoxel方法。该方法从体素化、特征提取和特征增强3个方面对原始VoxelNeXt做出改进。其m_AR 提升2.40%，m_AP 提升2.92%。

（2）为避免特征提取过程中重复获取无用特征，引入LRSC模块，通过对X和Z轴的特征聚焦，使得所提方法的m_AR 提升1.30%，m_AR 提升2.39%，表明该模块能够有效地提取列车前向运行环境点云的语义信息。

（3）为提高远距离障碍物的检测性能，结合IAC网络，通过融合和提取不同维度和尺度的特征，有效增强主干网络输出的特征，提高了算法的性能。

参考文献

[1] QIN Y， CAO Z W， SUN Y F， et al. Research on Active Safety Methodologies for Intelligent Railway Systems ［J］. Engineering， 2023， 27： 266-279.

[2] CAO Z W， QIN Y， JIA L M， et al. Railway Intrusion Detection Based on Machine Vision： a Survey， Challenges， and Perspectives ［J］. IEEE Transactions on Intelligent Transportation Systems， 2024， 25 （7）： 6427-6448.

[3] YE T， REN C， ZHANG X， et al. Application of Lightweight Railway Transit Object Detector ［J］. IEEE Transactions on Industrial Electronics， 2021， 68 （10）： 10269-10280.

[4] 焦曰里，苏超，黄沈阅.轨道交通车辆主动障碍物检测系统研究［J］.智慧轨道交通，2023，6（12）：12-15.

[5] JIAO Yueli， SU Chao， HUANG Shenyue. Study on the Active Obstacle Detecting System for Rail Vehicles ［J］. Intelligent Rail Transit， 2023， 6 （12）： 12-15. in Chinese

[6] CAO Z W， QIN Y， JIA L M， et al. Haze Removal of Railway Monitoring Images Using Multi-Scale Residual Network ［J］. IEEE Transactions on Intelligent Transportation Systems， 2021， 22 （12）： 7460-7473.

[7] 胡昊，史天运，杨文.基于改进FairMOT的铁路周界入侵检测方法［J］.中国铁道科学，2023，44（5）：222-232.

[8] HU Hao， SHI Tianyun， YANG Wen. Railway Perimeter Intrusion Detection Method Based on Improved FairMOT ［J］. China Railway Science， 2023， 44 （5）： 222- 232. in Chinese

[9] 常耀辉，陈年生，饶蕾，等.动态环境下具有旋转和平移不变性的激光雷达点云描述子［J］.光学学报，2022，42（24）：2401007.

[10] CHANG Yaohui， CHEN Niansheng， RAO Lei， et al. Lidar Point Cloud Descriptor with Rotation and Translation Invariance in Dynamic Environment ［J］. Acta Optica Sinica， 2022， 42 （24）： 2401007. in Chinese

[11] 沈拓，钱沿佐，谢兰欣，等.考虑反射强度的全自动运行列车障碍物检测算法研究［J］.同济大学学报（自然科学版），2022，50（1）：6-12.

[12] SHEN Tuo， QIAN Yanzuo， XIE Lanxin， et al. Obstacle Detection Algorithm of Fully Automatic Train Considering Reflection Intensity ［J］. Journal of Tongji University （Natural Science）， 2022， 50 （1）： 6-12. in Chinese

[13] WANG Z Y， YU G Z， WU X K， et al. A Camera and LiDAR Data Fusion Method for Railway Object Detection ［J］. IEEE Sensors Journal， 2021， 21 （12）： 13442-13454.

[14] GUO Y L， WANG H Y， HU Q Y， et al. Deep Learning for 3D Point Clouds： a Survey ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2021， 43 （12）： 4338-4364.

[15] XIAO A R， HUANG J X， GUAN D Y， et al. Unsupervised Point Cloud Representation Learning with Deep Neural Networks： a Survey ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2023， 45 （9）： 11321-11339.

[16] HAZER A， YILDIRIM R. Deep Learning Based Point Cloud Processing Techniques ［J］. IEEE Access， 2022， 10： 127237-127283.

[17] LANG A H， VORA S， CAESAR H， et al. PointPillars： Fast Encoders for Object Detection from Point Clouds ［C］// 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Long Beach， CA， USA. New York： IEEE Press， 2019： 12689-12697.

[18] YIN T W， ZHOU X Y， KRÄHENBÜHL P. Center-Based 3D Object Detection and Tracking ［C］// 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Nashville， TN， USA. New York： IEEE Press， 2021： 11779-11788.

[19] CHEN Y K， LIU J H， ZHANG X Y， et al. VoxelNeXt： Fully Sparse VoxelNet for 3D Object Detection and Tracking ［C］// 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Vancouver， BC， Canada. New York： IEEE Press， 2023： 21674-21683.

[20] ZHOU Y， SUN P， ZHANG Y， et al. End-to-End Multi-View Fusion for 3D Object Detection in LiDAR Point Clouds ［EB/OL］. 2019： arXiv： 1910.06528.

[21] YAN Y， MAO Y X， LI B. SECOND： Sparsely Embedded Convolutional Detection ［J］. Sensors， 2018， 18 （10）： 3337.

[22] ZHU Y W， ZHENG C R， YUAN C J， et al. CamVox： a Low-Cost and Accurate LiDAR-Assisted Visual SLAM System ［EB/OL］. 2020： arXiv： 2011.11357.

[23] SHI G S， LI R F， MA C. PillarNet： Real-Time and High-Performance Pillar-Based 3D Object Detection ［M］// Computer Vision – ECCV 2022. Lecture Notes in Computer Science， vol 13670. Cham： Springer， 2022.

[24] SHI S S， WANG Z， SHI J P， et al. From Points to Parts： 3D Object Detection from Point Cloud With Part-Aware and Part-Aggregation Network ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2021， 43 （8）： 2647-2664.

基金资助

国家重点研发计划项目(2023YFB4302104-1)