摘要
基于LiDAR的三维点云识别已广泛应用于诸多领域。然而，当前大多数方法在处理时未充分考虑LiDAR点云的空间分布特性，导致信息连接性不足且感受野受限，尤其在稀疏远距离点上表现不佳。针对这一问题，本文深入研究了LiDAR点云的变稀疏分布特性，并提出SphereFormer，该方法可直接将密集近距点的信息聚合至稀疏远距点。为此，我们设计了径向窗口自注意力机制（radial window self-attention），将空间划分为多个非重叠、细长的窗口，有效解决了信息断连问题，显著且平滑地扩展了感受野，大幅提升了远距离稀疏点的识别性能。此外，为适配细长窗口的结构特性，我们提出指数分割（exponential splitting）以生成精细的位置编码，并引入动态特征选择机制以增强模型的表征能力。值得注意的是，本方法在nuScenes和SemanticKITTI语义分割基准测试中分别以81.9%和74.8%的mIoU成绩位列第一；在nuScenes目标检测基准测试中取得72.8%的NDS和68.5%的mAP，排名第三。代码已开源，地址为：https://github.com/dvlab-research/SphereFormer.git。