Face à la difficulté des modèles actuels de détection d’objets dans les nuages de points 3D à concilier précision et temps réel dans les scénarios de conduite autonome, une méthode de détection d’objets efficace dans les nuages de points est proposée, visant à améliorer la précision de détection tout en répondant aux exigences de déploiement en temps réel sur des appareils périphériques, afin de promouvoir le développement des applications dans les domaines de la conduite autonome et des transports intelligents. Sur la base d’un cadre de détection de nuages de points basé sur des colonnes, un modèle de fusion de caractéristiques multi-colonnes a été conçu. Le modèle améliore la capacité de représentation des caractéristiques des colonnes en introduisant des caractéristiques de variance des nuages de points et un encodage de position, propose un module de fusion de caractéristiques multi-colonnes pour améliorer l’apprentissage des informations contextuelles entre colonnes adjacentes, et optimise l’extraction de caractéristiques avec un réseau backbone intégrant des connexions résiduelles et une régularisation Dropout. Par ailleurs, une stratégie d’augmentation des données des nuages de points est améliorée en mélangeant les nuages de points des cibles de même catégorie pour renforcer la capacité de généralisation du modèle dans des scénarios complexes. De nombreuses expériences sur le jeu de données KITTI montrent que la méthode proposée atteint un mAP 3D de 68,93 et un mAP BEV de 75,02, avec une vitesse d’inférence du modèle maintenue à 55,65 FPS, tout en affichant d’excellentes performances sur le jeu de données DAIR-V2X. Le modèle proposé équilibre précision de détection et temps réel grâce à la fusion multi-colonnes et à une stratégie d’augmentation des données optimisée, démontrant un potentiel d’application dans les scénarios de conduite autonome. Des optimisations futures sont possibles pour adapter l’architecture du modèle au déploiement sur systèmes embarqués afin de répondre aux besoins des applications réelles.

Détection d’objets 3D;Nuages de points;Conduite autonome;KITTI;DAIR-V2X