摘要
基于LiDAR的三维目标检测是自动驾驶领域的重要任务，而现有方法在处理远距离及被遮挡物体时，往往面临点云稀疏和不完整的问题。本文提出一种新颖的两阶段方法——PC-RGNN，通过两种针对性解决方案有效应对上述挑战。一方面，我们引入点云补全模块，能够恢复高质量的密集点云提案，并保留原始结构的完整视图；另一方面，设计了一种图神经网络模块，通过局部-全局注意力机制以及基于多尺度图的上下文聚合策略，全面捕捉点之间的关联关系，显著增强特征编码能力。在KITTI基准数据集上的大量实验表明，所提方法在性能上显著优于此前的最先进方法，充分验证了其有效性。