计算机应用

作者：李世伟, 周昱峰, 孙鹏飞, 刘伟松, 孟竹喧, 廉浩杰

单位：1.原位改性采矿教育部重点实验室（太原理工大学），太原 030024；2.中国人民解放军军事科学研究院，北京 100091

关键词：无人驾驶矿车,激光雷达,三维点云,数据增强,物理仿真,目标检测

基金：国家自然科学基金资助项目(52274222)

当前的三维目标检测模型大都基于数据驱动的深度学习技术，因此数据集的质量对模型的性能至关重要。针对煤尘环境数据集缺失和建立真实煤尘环境数据集费时费力的问题，提出一种基于煤尘对激光雷达（LiDAR）电磁波散射和吸收效应的点云数据增强方法。该方法针对煤尘粒子的光学特性，构建LiDAR电磁波在煤尘中的传播仿真模型，从而模拟LiDAR信号在煤尘环境中的衰减与散射；然后，在晴朗环境下采集的真实点云数据基础上，基于仿真模型对点云的三维坐标和反射强度进行修正，从而生成符合煤尘环境感知特性的仿真点云数据；最后，在增强后的仿真数据集上训练并测试5种主流三维目标检测模型（PV-RCNN++、PV-RCNN、PointRCNN、PointPillars和Voxel_RCNN_Car）。结果表明，所提方法让这5种检测模型在煤尘环境下的检测精度均有所提升，其中模型复杂度最高的PV-RCNN模型在汽车、行人和骑行者类别上的中等难度表现分别提高了1.88、1.74和0.84个百分点。可见，在煤尘环境中，相较于在晴朗条件下训练的模型，使用增强后的点云数据训练的目标检测模型的检测精度有显著提升，能更可靠地感知露天矿复杂环境，为无人驾驶矿车的稳定运行提供了数据支撑。

来源：2026年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第1期