نظرًا لخواصها الهندسية، تُستخدم بيانات الليدار على نطاق واسع في مهام الكشف عن الأجسام ثلاثية الأبعاد. نظرًا لندرة وعدم انتظام بيانات سحابة النقاط، يصعب تحقيق توازن بين جودة استخراج الميزات وسرعة الاستدلال. تقترح هذه الورقة خوارزمية كشف أهداف ثلاثية الأبعاد تعتمد على ترميز ميزات الأعمدة الحجمية، مستندة إلى شبكة Pointpillars، وتصميم إطار نموذج المعلم-التلميذ لتقطير مقياس الصندوق التراجعي، إضافة خسارة التقطير، وتحسين تدريب نموذج الشبكة لتعزيز جودة استخراج الميزات. لزيادة فعالية الكشف في النموذج، تم تصميم عنصر تصنيف موجه بالتحديد، مما يزيد من الارتباط بين التنبؤات التصنيفية والتنبؤات التراجعية، ويعزز دقة التعرف على الأشياء. لا تتضمن التحسينات التي أجريت على هذه الشبكة إدخال شبكات إضافية ضمنية. تظهر نتائج التجارب على مجموعة بيانات KITTI أن متوسط الدقة في الوضع الثلاثي الأبعاد ارتفع من 60.65% إلى 64.69%، ومتوسط الدقة في وضع النظرة الطائر ارتفع من 67.74% إلى 70.24% مقارنة بالشبكة الأساسية. تبلغ سرعة استدلال النموذج 45 إطارًا في الثانية، مما يلبي متطلبات الوقت الحقيقي مع تحسين دقة الكشف.

سحابة نقاط الليزر;الكشف عن الأهداف ثلاثية الأبعاد;التقطير المعرفي;ثقة التصنيف