北理工團(tuán)隊(duì)在點(diǎn)云目標(biāo)智能識別領(lǐng)域取得系列突破性進(jìn)展
發(fā)布日期：2025-04-23 供稿：光電學(xué)院 攝影：光電學(xué)院
編輯：盛筠 審核：李家方 閱讀次數(shù)：
點(diǎn)云目標(biāo)識別是實(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、無人系統(tǒng),、空間探測等領(lǐng)域具有廣泛的應(yīng)用前景。然而,，在實(shí)際場景下,，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)識別方法的準(zhǔn)確性與泛化能力,。針對真實(shí)復(fù)雜環(huán)境下點(diǎn)云目標(biāo)智能識別中的關(guān)鍵科學(xué)問題和難題,，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)域國際頂級期刊和會(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,、感知對抗模式捕獲策略，以及時(shí)序關(guān)聯(lián)高效建?？蚣埽?/p>
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)對樣本施加多級形變與遮擋，生成貼近真實(shí)失真場景的點(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)化對點(diǎn)云全局結(jié)構(gòu)的感知能力（圖2）,。
圖2. 基于對抗學(xué)習(xí)的點(diǎn)云模式捕獲策略。
3.時(shí)序關(guān)聯(lián)高效建?？蚣埽↖CLR 2025）：該框架通過關(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比。
通過以上系列研究,，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。
相關(guān)成果詳細(xì)信息：
[1] Li et al., Towards Robust Point Cloud Recognition with Sample-Adaptive Auto-Augmentation, IEEE TPAMI, 2025, vol. 47, no. 4, pp. 3003-3017.
論文鏈接：https://ieeexplore.ieee.org/document/10839114
[2] Wang et al., Target-Guided Adversarial Point Cloud Transformer Towards Recognition Against Real-world Corruptions, NeurIPS, 2024.
論文鏈接：https://openreview.net/pdf?id=FcUyz33OED
[3] Wang et al., PvNeXt: Rethinking Network Design and Temporal Motion for Point Cloud Video Recognition, ICLR, 2025.
論文鏈接：https://openreview.net/pdf?id=ZsU52Zkzjr
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。在IEEE TPAMI,、NeurIPS,、ICCV、ICLR等頂級期刊或會(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)生獲得反無人機(jī)跟蹤挑戰(zhàn)賽國際冠軍等競賽獎(jiǎng)項(xiàng)10余項(xiàng),。研究成果應(yīng)用于“中國天眼”、礦產(chǎn)開發(fā)遙感監(jiān)測等領(lǐng)域,。
許廷發(fā),，博士，教授/博導(dǎo),，國家一級重點(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,。近年來帶領(lǐng)其科研團(tuán)隊(duì)圍繞光電成像探測與識別,、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),。在國際,、國內(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)明人申請國家發(fā)明專利87項(xiàng),，已授權(quán)和公示45項(xiàng)。獲省部級技進(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),，三人次獲得全國光學(xué)與光學(xué)工程博士生學(xué)術(shù)聯(lián)賽全國百強(qiáng)，獲得中國高等教育博覽會(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,。
分享到：