机械工程学报

作者：练秋酉, 郑少武, 涂新奎, 李巍华

单位：1. 华南理工大学机械与汽车工程学院 广州 510641； 2. 人工智能与数字经济广东省实验室 广州 510335

关键词：交通锥桶检测,3D目标检测,注意力机制,小目标检测；

基金：“广州市重点领域研发计划”资助项目(202206030005)

交通锥桶是道路可行驶区域边界的重要标识之一，精确高效的交通锥桶检测对自动驾驶汽车安全行驶具有重要意义。针对现有交通锥桶点云目标检测方法存在特征提取能力弱，无法关注到空间中的关键信息而导致鲁棒性和精度较差的问题，提出一种基于体素特征注意力的交通锥桶点云目标检测算法，称为AttenPillar。以PointPillars作为基线模型，并采用编码器-解码器结构作为主干网络，同时将ReLU激活函数替换为GELU(Gaussian error linear unit)激活函数。为了更好地捕捉特征，提出混合域注意力机制模块PillarWise，它能够聚合体素中点的特征，并利用混合域注意力机制生成注意力张量。通过在网络主干的输入和输出特征层与注意力张量之间进行混合域注意力操作，能够减少下采样过程中的空间几何信息损失，并增大输出特征图中非空体素的权重。这使得网络能够更关注非空体素部分，从而充分提取不同点云数量的体素中的点云特征。最后通过检测头输出三维预测框。采集并构建交通锥桶点云数据集进行算法验证，所提算法相较基线模型PointPillars在BEV AP(IoU=0.7)、3D AP(IoU=0.7)分别提升10.90%、14.41%，在嵌入式计算设备NVIDIA AGX Xavier上速度可达78.86帧/s，在保证实时性的前提下，有效提高了锥桶检测精度。

来源：2025年第16期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第16期