基于截断高斯去噪查询的大感受野三维目标检测方法LRTG3D研究

本文提出LRTG3D框架，通过z轴保留下采样（Z-PD）和双焦点感受野模块（DFRF）增强稀疏卷积神经网络（CNN）的特征提取能力，结合截断高斯去噪查询（T-GDQ）优化解码器，在nuScenes数据集上实现67.3 mAP和71.9 NDS的领先性能，为自动驾驶中的三维目标检测（3D Object Detection）提供高效解决方案。

　　

亮点

我们提出LRTG3D框架，通过三项协同创新解决三维目标检测中的核心挑战：

1. 1.

   z轴保留下采样（Z-PD）：在扩大感受野的同时保留关键高度信息，避免传统下采样导致的空间细节丢失。

2. 2.

   双焦点感受野模块（DFRF）：整合双尺度空间卷积（DSSC）和混合焦点稀疏卷积（HFSC），实现大范围上下文捕捉与局部细节保留的平衡。其中DSSC通过并行的大核分支（长程依赖）和标准卷积分支（局部精度）协同工作；HFSC则结合动态权重预测与结构化邻域采样，显著提升前景特征提取能力。

3. 3.

   截断高斯去噪查询（T-GDQ）：在解码器中引入概率分布截断机制，加速模型收敛并增强对高浓度特征的适应性。

方法学

在稀疏卷积主干网络中，Z-PD层首先扩展感受野，随后DFRF模块通过多尺度特征融合和动态前景聚焦，输出富含语义信息的体素特征。检测头采用基于T-GDQ的查询机制，通过截断噪声分布优化候选框生成。

数据集与评估

在nuScenes和Waymo两大自动驾驶数据集上验证性能：

• •

  nuScenes：67.3 mAP（平均精度）和71.9 NDS（标准化检测分数），超越现有主流方法。

• •

  Waymo：在3D检测关键指标（如L2难度下的车辆检测）达到SOTA，验证了跨数据集的泛化能力。

结论

LRTG3D通过系统性的模块创新，解决了三维目标检测中感受野扩展与特征精度的矛盾，为自动驾驶感知系统提供了更鲁棒的解决方案。未来工作将探索多模态融合与实时性优化。

（注：翻译保留原文技术术语的英文缩写与格式规范，如mAP、NDS等，并采用生命科学领域常见的“模块化”表述增强专业性，同时通过“协同创新”“概率分布截断”等措辞增加生动性。）