【儀表網(wǎng) 研發(fā)快訊】點(diǎn)云目標(biāo)識(shí)別是實(shí)現(xiàn)三維環(huán)境智能感知與理解的重要技術(shù)之一，在自動(dòng)駕駛、無(wú)人系統(tǒng)、空間探測(cè)等領(lǐng)域具有廣泛的應(yīng)用前景。然而，在實(shí)際場(chǎng)景下，受傳感器噪聲、環(huán)境干擾等因素影響，點(diǎn)云數(shù)據(jù)常存在擾動(dòng)、缺失與形變等退化現(xiàn)象，顯著降低了傳統(tǒng)識(shí)別方法的準(zhǔn)確性與泛化能力。針對(duì)真實(shí)復(fù)雜環(huán)境下點(diǎn)云目標(biāo)智能識(shí)別中的關(guān)鍵科學(xué)問(wèn)題和難題，許廷發(fā)、李佳男科研團(tuán)隊(duì)開展了原創(chuàng)方法和關(guān)鍵技術(shù)攻關(guān)，取得了突破性研究進(jìn)展，相關(guān)論文陸續(xù)發(fā)表于IEEE TPAMI、NeurIPS (CCF-A)、ICCV (CCF-A)和ICLR等人工智能領(lǐng)域國(guó)際頂級(jí)期刊和會(huì)議，受到學(xué)術(shù)界的廣泛關(guān)注。
 

　　科研團(tuán)隊(duì)主要從點(diǎn)云數(shù)據(jù)增強(qiáng)、特征學(xué)習(xí)與時(shí)序建模三個(gè)層面開展系統(tǒng)性研究，提出了樣本自適應(yīng)在線數(shù)據(jù)擴(kuò)增方法、感知對(duì)抗模式捕獲策略，以及時(shí)序關(guān)聯(lián)高效建模框架：
 

　　1.樣本自適應(yīng)在線數(shù)據(jù)擴(kuò)增方法(IEEE TPAMI 2025)：該方法結(jié)合輸入點(diǎn)云的空間結(jié)構(gòu)特征與感知模型狀態(tài)，自適應(yīng)對(duì)樣本施加多級(jí)形變與遮擋，生成貼近真實(shí)失真場(chǎng)景的點(diǎn)云數(shù)據(jù)，拓展訓(xùn)練樣本的多樣性，從而顯著提升模型魯棒性(圖1)。
 

圖1. 樣本自適應(yīng)在線擴(kuò)增方法示意圖。
 

　　2.基于對(duì)抗學(xué)習(xí)的點(diǎn)云模式捕獲策略(NeurIPS 2024)：該策略在訓(xùn)練階段引入對(duì)抗性特征擦除機(jī)制，遮蔽模型已學(xué)習(xí)的目標(biāo)模式，迫使從目標(biāo)其他區(qū)域挖掘更具判別性的特征，進(jìn)而強(qiáng)化對(duì)點(diǎn)云全局結(jié)構(gòu)的感知能力(圖2)。
 

圖2. 基于對(duì)抗學(xué)習(xí)的點(diǎn)云模式捕獲策略。
 

　　3.時(shí)序關(guān)聯(lián)高效建?？蚣?ICLR 2025)：該框架通過(guò)關(guān)聯(lián)機(jī)制將輸入點(diǎn)云幀與捕捉到的時(shí)序動(dòng)態(tài)信息相融合，提取深度運(yùn)動(dòng)線索并對(duì)整個(gè)序列的時(shí)序特征進(jìn)行統(tǒng)一建模，有效降低計(jì)算冗余，顯著提升了處理效率(圖3)。
 

圖3. 不同模型精度與速度的性能對(duì)比。
 

　　通過(guò)以上系列研究，總體構(gòu)建了面向復(fù)雜環(huán)境的點(diǎn)云目標(biāo)魯棒識(shí)別一體化技術(shù)架構(gòu)，成功突破了點(diǎn)云數(shù)據(jù)高效擴(kuò)增、精細(xì)化特征表達(dá)以及運(yùn)動(dòng)特征高效挖掘等關(guān)鍵技術(shù)瓶頸。提出的系列方法顯著提升了點(diǎn)云識(shí)別模型在失真條件下的魯棒性與泛化性能，并大幅提高了識(shí)別效率。
 

　　該系列研究成果提升了復(fù)雜環(huán)境下點(diǎn)云感知技術(shù)的可靠性與實(shí)用性，為無(wú)人系統(tǒng)自主導(dǎo)航、空間目標(biāo)感知等領(lǐng)域的實(shí)際應(yīng)用奠定了重要的理論支撐與技術(shù)保障。
 

　　附作者信息：
 

　　王杰，北京理工大學(xué)光電學(xué)院博士研究生，主要研究方向?yàn)槿S計(jì)算機(jī)視覺(jué)。在IEEE TPAMI、NeurIPS、ICCV、ICLR等頂級(jí)期刊或會(huì)議上發(fā)表論文6篇。
 

　　李佳男，北京理工大學(xué)光電學(xué)院，長(zhǎng)聘副教授、博士生導(dǎo)師，主要研究方向?yàn)楣怆姵上衲繕?biāo)多維探測(cè)與感知技術(shù)研究。連續(xù)兩年入選全球前2%頂尖科學(xué)家(2023、2024年)。以第一或共同第一作者發(fā)表論文20篇，包括IEEE TPAMI論文5篇；以通訊作者發(fā)表論文60余篇。其中，3篇論文入選ESI高被引，2篇一作論文單篇引用超千次，谷歌學(xué)術(shù)總引用5600余次。主持國(guó)家自然科學(xué)基金、工信部高質(zhì)量發(fā)展專項(xiàng)(課題)等項(xiàng)目10項(xiàng)。入選中國(guó)科協(xié)、北京市科協(xié)青托。獲得地理信息科技進(jìn)步二等獎(jiǎng)(序2)，中國(guó)圖象圖形學(xué)學(xué)會(huì)優(yōu)博，王大珩學(xué)生光學(xué)獎(jiǎng)等。指導(dǎo)學(xué)生獲得反無(wú)人機(jī)跟蹤挑戰(zhàn)賽國(guó)際冠軍等競(jìng)賽獎(jiǎng)項(xiàng)10余項(xiàng)。研究成果應(yīng)用于“中國(guó)天眼”、礦產(chǎn)開發(fā)遙感監(jiān)測(cè)等領(lǐng)域。
 

　　許廷發(fā)，博士，教授/博導(dǎo)，國(guó)家一級(jí)重點(diǎn)學(xué)科“光學(xué)工程”學(xué)科責(zé)任教授，光電成像技術(shù)與系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室主任，北京理工大學(xué)重慶創(chuàng)新中心副主任。近年來(lái)帶領(lǐng)其科研團(tuán)隊(duì)圍繞光電成像探測(cè)與識(shí)別、計(jì)算成像和人工智能等領(lǐng)域不斷深化研究。主持承擔(dān)國(guó)家自然科學(xué)基金委重大科研儀器研制項(xiàng)目等40余項(xiàng)。在國(guó)際、國(guó)內(nèi)等系列期刊發(fā)表學(xué)術(shù)論文200余篇，其中被SCI/EI收錄120余篇。以第一發(fā)明人申請(qǐng)國(guó)家發(fā)明專利87項(xiàng)，已授權(quán)和公示45項(xiàng)。獲省部級(jí)技進(jìn)步二等獎(jiǎng)等獎(jiǎng)項(xiàng)3項(xiàng)。指導(dǎo)研究生獲得中國(guó)圖象圖形學(xué)學(xué)會(huì)優(yōu)秀博士學(xué)位論文，二人次獲得王大珩高校學(xué)生光學(xué)獎(jiǎng)，三人次獲得全國(guó)光學(xué)與光學(xué)工程博士生學(xué)術(shù)聯(lián)賽全國(guó)百?gòu)?qiáng)，獲得中國(guó)高等教育博覽會(huì)“校企合作 雙百計(jì)劃”典型案例和重慶英才創(chuàng)新創(chuàng)業(yè)示范團(tuán)隊(duì)等榮譽(yù)稱號(hào)。