单帧预测目标检测:面向FMCW激光雷达点云

《Pattern Recognition Letters》:Single-Frame Predictive Object Detection for FMCW LiDAR Point Clouds

【字体: 大 中 小 】 时间:2026年08月30日 来源:Pattern Recognition Letters 3.5

编辑推荐:

   •利用径向速度线索的单帧FMCW激光雷达预测性目标检测。•经自车运动补偿的速度信息可生成虚拟未来点,无需额外帧。•4D SparseConv VoxelNet与4D体素Transformer对虚拟双帧输入进行编码。•通过任务对齐的基线、复杂度及失效案例分析,明确方法的局限性。

  
  • •
    利用径向速度线索的单帧FMCW激光雷达预测性目标检测。
  • •
    经自车运动补偿的速度信息可生成虚拟未来点,无需额外帧。
  • •
    4D SparseConv VoxelNet与4D体素Transformer对虚拟双帧输入进行编码。
  • •
    通过任务对齐的基线、复杂度及失效案例分析,明确方法的局限性。

引言

环境感知是智能网联汽车的核心技术,三维目标检测是其中的基础性任务之一。作为自动驾驶车辆的关键传感器,光探测与测距(LiDAR)技术能够提供高精度、高分辨率的三维感知能力,从而实现对典型目标的精确边界框检测[1]。LiDAR硬件存在多种变体,感知算法必须考虑其各自的传感特性。大多数方法面向常规三维LiDAR,包括机械旋转式和固态传感器,这些传感器通常返回三维点云和反射强度。在传感器退化条件下,基于LiDAR的鲁棒三维检测对弱势道路使用者安全尤为重要[2]。
本文聚焦于调频连续波(FMCW)LiDAR,又称4D LiDAR的感知算法,该技术能够通过多普勒效应在扫描过程中测量每个点的径向速度[3]。利用这一测量能力,我们将标准三维目标检测扩展为POD(单帧预测性目标检测)。POD仅使用单次扫描即可检测当前目标并预测其短期未来三维边界框,例如当前帧坐标系下0.1秒、0.2秒或0.5秒之后的位置。该任务以检测为核心,直接评估未来三维边界框,而非追踪轨迹。这与传统的运动预测或检测加预测流水线不同,后者通常依赖于历史帧、追踪结果或轨迹观测。
本文框架的核心思想是将径向速度线索转化为虚拟的当前-未来点表示。我们首先对原始相对径向速度进行补偿,获得自车运动减弱后的速度特征,然后沿径向方向从当前点生成虚拟未来点。当前点与虚拟未来点共同构成单次物理扫描所产生的双帧点结构。随后使用稀疏4D体素编码器对该虚拟结构进行编码,并将编码特征分离解码为当前帧和未来帧的检测结果(见图1)。该设计旨在实现低延迟的短期预测性感知,无需等待时序输入缓冲区。
如表1所示,POD是一种单帧、以检测为核心的任务,在当前坐标系下预测离散的未来边界框;而轨迹预测通常依赖多帧历史信息,聚焦于连续运动预测。这一区别使POD适用于低延迟的短期预测性感知。它可能有益于快速变化的交通场景,但要完全验证事件级危险预判能力,仍需要专门的瞬态危险基准测试。
为从虚拟双帧点云中提取时空特征,我们将两种主流三维体素编码器范式扩展到4D:稀疏卷积VoxelNet[4]、[5]和Voxel Transformer[6]、[7]。4D编码器并非唯一的创新点,而是针对由逐点径向速度所诱导的虚拟当前-未来表示而设计的一种任务专用模块。实验从预测精度、模型规模和单批次延迟三个方面对两种编码器设计进行了对比。
综上所述,本文的贡献如下:
  • •
    我们为FMCW LiDAR提出了单帧POD任务,即从当前扫描中预测短期未来三维边界框,无需历史帧缓冲区。
  • •
    我们设计了速度感知的虚拟未来点生成模块,并对两种稀疏4D体素编码器进行了适配,以编码所得的当前-未来点结构。
  • •
    我们在该模态的数据上验证了该框架,并提供了预测检测、复杂度、速度基线及失效案例分析,以阐明其有效性与局限性。

章节摘要

基于LiDAR的三维检测中的稀疏表示

高效的点云表示是自动驾驶中三维检测的核心。VoxelNet[4]建立了一种广泛使用的范式,包括体素特征编码器、三维体素编码器、鸟瞰图骨干网络和预测头部。常见的检测器采用稀疏卷积骨干网络和基于锚框、中心点或查询点的预测头部[5]、[8]、[9]。近期进展进一步提升了稀疏点云表示能力。SST[6]引入了单步幅稀疏Voxel Transformer;FSD系列[10]、[11]进一步改进了

预备知识

单帧FMCW LiDAR扫描被表示为形状为[N, 5]的点云,包含(x, y, z, i, v),其中(x, y, z)为三维坐标,i为反射强度,v为相对径向速度。在标准三维检测的基础上,POD在当前帧坐标系下对固定时间跨度(例如0.1秒、0.2秒或0.5秒)的未来边界框进行预测。在评估时,未来帧的真实框被转换到当前帧坐标系下,与标准检测方式一致。

数据集与指标

我们在用实验型128线FMCW LiDAR(探测范围200米,视场角100°,采集频率10Hz)于中国采集的街景驾驶数据上评估了所提方法。每个场景持续10秒;训练集包含32,293帧,测试集包含5,732帧。所评估的数据可被视为4DLidarOpen[26]的一部分或相关子集,但未必与完整公开发布的数据完全一致。AevaScenes[27]需要申请访问权限,且未直接提供

结论

本文提出了一种单帧POD框架,将经自车运动补偿的径向速度转化为虚拟的当前-未来点表示。两种稀疏4D体素编码器——4D SparseConv VoxelNet和4D Voxel Transformer被适配用于编码该表示,并分别生成当前帧和未来帧的检测结果。任务对齐的基线实验揭示,直接的径向框传播并不能始终优于检测器复制方案,也不足以作为独立的解决方案。

CRediT作者贡献声明

赵昕(Xin Zhao):撰写—审阅与编辑、验证、项目管理、方法论。石宁(Yining Shi):撰写—原稿撰写、验证、软件开发。姜昆(Kun Jiang):撰写—审阅与编辑、指导。钱康刚(Kangan Qian):软件开发、数据整理。谢楚楚(Chuchu Xie):验证、软件开发。文拓普(Tuopu Wen):软件开发。杨蒙蒙(Mengmeng Yang):撰写—审阅与编辑、方法论。杨典格(Diange Yang):撰写—审阅与编辑、指导、资源提供、方法论。

利益冲突声明

作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。
Xin Zhao|Yining Shi|Kun Jiang|Kangan Qian|Chuchu Xie|Tuopu Wen|Mengmeng Yang|Diange Yang
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号