柱-体素融合网络用于机载高光谱点云的三维目标检测
计算机视觉与模式识别
2025-07-08 v2
摘要
高光谱点云（HPCs）能够同时表征地物的三维空间和光谱信息，具有出色的三维感知和目标识别能力。当前生成HPCs的方法通常涉及高光谱图像与LiDAR点云的融合技术，由于融合误差和障碍物遮挡，不可避免地导致几何-光谱失真。这些不利影响限制了它们在多场景下游细粒度任务中的性能，尤其是在机载应用中。为解决这些问题，我们提出PiV-AHPC，一种用于机载HPCs的三维目标检测网络。据我们所知，这是该HPCs任务的首次尝试。具体来说，我们首先开发了一个柱-体素双分支编码器，前者从HPCs中捕获光谱和垂直结构特征以克服光谱失真，而后者则专注于从点云中提取精确的三维空间特征。设计了一种多级特征融合机制以增强两个分支之间的信息交互，实现邻域特征对齐和通道自适应选择，从而有机整合异构特征并减轻几何失真。在两个机载HPCs数据集上的大量实验表明，PiV-AHPC具有最先进的检测性能和较高的泛化能力。
引用
@article{arxiv.2504.09506,
title = {Pillar-Voxel Fusion Network for 3D Object Detection in Airborne Hyperspectral Point Clouds},
author = {Yanze Jiang and Yanfeng Gu and Xian Li},
journal= {arXiv preprint arXiv:2504.09506},
year = {2025}
}