基于Mamba的高性能点-体素特征集抽象方法在自动驾驶3D目标检测中的突破性应用

为解决自动驾驶中3D目标检测的精度与效率瓶颈，吉林教育省属团队提出HP-PV-RCNN算法，创新性融合线性角注意力、Mamba2加速的体素特征提取、KAN网络关键点捕捉及Fuzzy-NMS后处理技术，在Kitti数据集上实现车辆（83.73%）、自行车（76.32%）检测精度的显著提升，为自动驾驶安全提供关键技术支撑。

　　

在自动驾驶技术飞速发展的今天，环境感知的精准度直接关系到行车安全。激光雷达（LiDAR）生成的点云数据虽能提供高精度的三维空间信息，但如何快速、准确地从中识别车辆、行人等目标仍是巨大挑战。现有方法如PV-RCNN++虽取得进展，却受限于感受野狭窄、体素特征提取效率低、点云非线性特征建模不足等问题，导致复杂场景下检测精度难以突破。

针对这一技术困局，吉林教育省属研究团队在《Expert Systems with Applications》发表重磅研究，提出名为HP-PV-RCNN的创新算法。该研究通过四大核心技术突破：1）采用线性角注意力（Linear Angular Attention）扩大非空体素感受野；2）基于状态空间模型（State Space Model, SSM）的Mamba²加速全局体素特征提取；3）利用科尔莫戈罗夫-阿诺德网络（Kolmogorov-Arnold Network, KAN）实现关键点特征的分段最远点采样（S-FPS）；4）创新模糊非极大值抑制（Fuzzy-NMS）动态调整后处理阈值。这些技术形成高性能点-体素区域卷积神经网络（HP-PV-RCNN），在Kitti、NuScenes等公开数据集验证中表现卓越。

关键技术方法包括：基于动态体素化（DV）的预处理、Mamba²架构的3D特征提取主干网络、KAN多层网络拟合点集特征，以及融合先验知识的Fuzzy-NMS后处理。实验采用Kitti中等难度数据集评估，样本涵盖车辆、自行车和行人三类目标。

HP-PV-RCNN框架
研究构建三阶段处理流程：预处理阶段通过动态体素化转换原始点云；特征提取阶段同步运行3D主干网络（捕获空间关系）、鸟瞰图（BEV）主干网络和关键点网络；检测阶段采用两阶段检测头。该设计首次实现点-体素特征的深度非线性融合。

实验结果
在Kitti数据集上，HP-PV-RCNN车辆检测平均精度达83.73%，较现有方法提升显著。Waymo和NuScenes数据集测试同样验证其泛化能力，特别是在密集场景中，Fuzzy-NMS有效减少冗余框干扰。

结论与意义
该研究突破传统稀疏卷积（Sparse Convolution）的计算局限，通过线性角注意力与Mamba²的结合，实现长序列全局特征的快速捕获；KAN网络对点云非线性关系的建模能力超越传统全连接层；Fuzzy-NMS首次将目标空间分布先验引入NMS过程。这些创新使HP-PV-RCNN成为自动驾驶3D检测领域的新标杆，代码已开源（GitHub: jlauwcj/HP-PV-RCNN），为行业安全升级提供重要技术工具。研究获吉林省教育厅（项目号JJKH20240441HT）等多项基金支持，团队声明无利益冲突。