RailMASDet：面向铁路激光雷达点云的远距离小目标三维检测方法

《Scientific Reports》：RailMASDet: a 3D object detection method for railway LiDAR point cloud foreign object detection

　　

摘要

针对铁路激光雷达点云异物检测中远距离小目标易丢失、定位不准的问题，本文提出了一种名为RailMASDet的三维目标检测方法。该方法构建了跨尺度语义空间特征重组策略，通过深度特征的转置恢复与浅层特征的对齐压缩，解决了深度鸟瞰图特征图中远距离目标空间细节丢失的问题。此外，引入了一种基于现有通道注意力机制的铁路导向通道调制策略，通过联合利用全局均值和最大值统计量，自适应增强铁路鸟瞰图特征中物体敏感响应并抑制结构化背景干扰。同时，建立了一种前景概率驱动的非欧几里得距离采样范式，将点级前景先验嵌入距离度量函数，使关键点采样从均匀覆盖转向语义引导的目标聚焦。在OSDaR23数据集上，RailMASDet对行人的AP_0.7达到80.59%，对车辆的AP_0.7达到70.05%，mAP_0.5达到76.56%，分别比基线模型高出4.95、3.78和3.21个百分点。检测框的平均中心定位误差为0.86米，比基线降低了57.5%。推理延迟为每帧276.5毫秒，表现出合理的计算效率。消融实验与可视化分析验证了三个模块各自的独立贡献及其协同增强效果，证实所提方法能够有效解决铁路异物检测中小目标丢失和定位精度不足的问题，从而展示了其在稀疏铁路激光雷达场景中进行远距离异物检测的潜力。