基于纯LiDAR的3D目标检测关键技术研究

课题名称: 基于纯LiDAR的3D目标检测关键技术研究
学科专业: 计算机科学
课题关键词: 纯LiDAR检测点云特征提取小目标检测
辅导模式: 1对1
发表目标: SCI期刊1-3区
课题介绍: 3D目标检测作为自动驾驶、智能机器人等领域环境感知的核心任务，其精度与实时性直接影响系统决策安全性。相较于视觉传感器易受光照、天气干扰的局限，LiDAR凭借激光测距原理可生成精确的三维点云，为目标空间位置与几何形态估计提供可靠数据支撑，纯LiDAR方案因传感器成本降低及部署便利性，成为当前研究热点。然而，LiDAR点云存在稀疏性、非结构化分布及距离依赖性密度差异等固有特性，导致目标特征提取困难；同时，动态场景中的遮挡问题、小目标（如行人、骑行者）点云信息量不足等挑战，进一步制约检测精度与鲁棒性。因此，深入研究纯LiDAR 3D目标检测的关键技术，对突破现有算法性能瓶颈、推动自动驾驶等领域的实用化发展具有重要理论与应用价值。

导师信息

科研导师

Dr. Song

Top院校计算机博士

导师介绍

研究领域：自动驾驶感知，bev感知（BEVformer），端到端自动驾驶（UniAD，VAD），2D/3D目标检测,基于点云3D目标检测（Pointpillars，SECOND，PointRCNN，YOLO，Faster RCNN，DETR），多模态3D目标检测（BEVFusion），大模型学术成果：在IEEE Trans 一区，CCF A会上发表论文20+篇，包括CVPR，ICCV，ECCV，IJCAI，TPAMI，TGRS，TCSVT，IJCV，TNNLS。发表论文30篇，ccf A 8篇（cvpr，iccv，ijcai）trans1区（tpami，tnnls，tip，tgrs，tcsvt，tmm） cvpr，tpami，iccv，eccv，tip，ijcv，tgrs，tcsvt审稿人；曾在多家顶级大厂工作，例如滴滴，小米，商汤研究院，有丰富的学术和工程经验

招生要求

面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。