摘要

我们提出了一种灵活且高性能的两阶段3D目标检测框架——Pyramid R-CNN，用于从点云数据中进行3D目标检测。现有方法通常依赖于感兴趣区域（RoI）内的点或体素进行第二阶段的特征提取，但难以有效处理这些点的稀疏性与非均匀分布问题，从而可能导致远距离物体检测失败。为解决上述问题，我们提出了一种新型的第二阶段模块——金字塔RoI头（Pyramid RoI Head），能够自适应地从稀疏的感兴趣点中学习特征。该模块包含三个核心组件：首先，我们提出了RoI-网格金字塔（RoI-grid Pyramid），通过分层聚合方式在金字塔结构中广泛收集每个RoI内的感兴趣点，以缓解点云稀疏性问题；其次，我们提出RoI-网格注意力机制（RoI-grid Attention），这是一种新型操作，通过将传统的基于注意力的点操作与图神经网络（graph-based）点操作统一建模，从而从稀疏点中编码更丰富的语义信息；第三，我们设计了密度感知半径预测（Density-Aware Radius Prediction, DARP）模块，可根据不同区域的点云密度动态调整RoI的关注范围，实现自适应聚焦。通过融合上述三个组件，我们的金字塔RoI头在稀疏且分布不均的场景下表现出强鲁棒性，并可与多种3D主干网络（backbone）兼容，持续提升检测性能。大量实验表明，Pyramid R-CNN在KITTI和Waymo Open数据集上均显著超越当前最优的3D检测模型。