기존 PointPillars 기반 개선 프레임워크에서 보행자 등 작은 객체 검출 정확도가 부족한 문제를 해결하기 위해 희소 강화와 기하학적 어텐션을 융합한 개선 방법을 제안한다. 먼저, Pillar 특징 인코딩 단계에서 희소 Pillar 강화 메커니즘을 도입하여 희소 영역의 기하학적 정보 빈틈을 메우고 후속 특징 강화를 위한 효과적인 소재를 제공한다. 둘째, 점 인지 공간 어텐션 메커니즘을 설계하여 인코딩 과정에 삽입하고, 보완된 Pillar의 점군 밀도 및 점과 중심 평균 거리 두 가지 기하학적 특징을 기반으로 경량 MLP를 통해 동적 어텐션 가중치를 생성하여 목표 관련 Pillar 특징 신호를 우선 확대, 기존 어텐션이 채널 통계에 의존하며 점군 특성에 부적합한 문제를 해결한다. 방법의 유효성을 검증하기 위해 공개된 KITTI 3D 객체 검출 데이터셋에서 실험을 수행하고, 특히 작은 객체 검출 성능을 평가하였다. 실험 결과 기존 PointPillars 기반 개선 프레임워크 대비 3D 모드에서 보행자 객체의 평균 검출 정확도가 2.54% 향상되었고, 조감도 모드에서 5.91% 향상되어 제안한 혁신 모듈이 작은 객체 특징 최적화에 효과적임을 충분히 입증하였으며, 자율주행 롱테일 시나리오 인지 과제에 실용적인 해결책을 제공한다.

컴퓨터 비전;3D 객체 검출;어텐션 메커니즘;점군;라이다