基于体素全稀疏注意力机制的轨道交通障碍物3D检测系统RVSA-3D

（编辑推荐）本文提出RVSA-3D框架，通过子流形池化注意力（SPA）、多尺度信息融合（MIF）和高置信稀疏注意力（HSA）三大模块，创新性实现轨道交通场景下远距离稀疏障碍物的高效检测。该研究在KITTI和Rail3D数据集上取得SOTA性能，为智能铁路安全运营提供关键技术支撑。

　　

Highlight

本文亮点在于RVSA-3D框架通过全稀疏架构突破传统检测瓶颈：

1. 1.

   SPA模块将子流形稀疏卷积（Submanifold Sparse Convolution）与注意力机制结合，显著提升小目标特征保留能力

2. 2.

   MIF模块采用跨尺度自注意力（Cross-scale Self-attention）实现多层级特征对齐

3. 3.

   HSA模块通过动态生成类感知查询（Class-aware Queries），以分层交叉注意力（Hierarchical Cross-attention）聚合全局上下文

Methodology

如图2所示，RVSA-3D包含三大核心组件：

• •

  SPA模块（3.2节）：在稀疏骨干网中保留关键区域特征，通过坐标哈希映射实现高效下采样

• •

  MIF模块（3.3节）：构建金字塔特征交互网络，采用可变形卷积（Deformable Convolution）补偿尺度差异

• •

  HSA模块（3.4节）：基于目标置信度动态筛选查询点，通过多头注意力（Multi-head Attention）融合局部细节与全局语义

Datasets

Rail3D数据集：

• •

  包含地铁隧道/开放轨道双场景

• •

  采用两种LiDAR设备（见表1参数）

• •

  涵盖行人/车辆等6类障碍物模拟真实入侵场景

Conclusion

RVSA-3D通过全稀疏处理范式，在保持实时性的同时：

1. 1.

   对200米外障碍物检测精度提升23.6%

2. 2.

   推理速度达45FPS（帧/秒）

3. 3.

   在KITTI自行车类检测AP₄₀达78.3%

Uncited Reference

[32] 未引用文献说明

CRediT作者贡献声明

第一作者Lirong Lian完成核心算法设计；通讯作者Yong Qin提供基金支持；Zhiwei Cao指导工程实现；其他成员参与数据采集。

Declaration of competing interest

作者声明无利益冲突

Funding

资助信息：

• •

  中国博士后科学基金（GZC20251118）

• •

  轨道交通控制与安全国家重点实验室专项（RAO2025ZR001/RAO2023ZZ003）