TraIL-Det：用于3D激光点云目标检测的仿射变换不变局部特征网络及无监督预训练

3D点云对于感知户外场景尤其是在自动驾驶领域至关重要。近期的3D激光点云目标检测方法主要关注点的空间位置和分布，以确保精准检测。然而，尽管这些方法在变化条件下表现稳健，但仅依赖坐标和点强度，导致等距不变性不足、检测效果次优。为此，我们提出仿射变换不变局部特征（TraIL features）及其关联的TraIL-Det架构。我们的TraIL特征具有刚性变换不变性，能有效适应点密度变化，旨在捕捉相邻结构的局部几何。它们利用激光制造的各向同性辐射特性，增强局部表征、提高计算效率并提升检测性能。为有效处理每个提案中点的几何关系，我们提出带非对称几何特征的多头自注意力编码器（MAE），将高维TraIL特征编码为可管理的表征。我们的方法在KITTI（67.8，20%标签，适中）和Waymo（68.9，20%标签，适中）数据集上，以不同标签比例（20%、50%和100%）均优于当代自监督3D目标检测方法。