论文简介：近年来，基于激光雷达点云的三维目标检测在自动驾驶、智慧城市等领域有广泛应用。然而在雨天情况下，基于激光雷达的三维目标检测模型由于扫描信号的退化和噪声，性能显著降低。本文提出了一种结合雨水动力学和降雨环境理论的降雨数据模拟方法DRET，可高效生成模拟的雨天激光雷达点云数据用于训练，以提高三维目标检测模型在雨天的鲁棒性。此外，本文还提出了跨晴雨知识蒸馏（SRKD）方法以增强三维目标检测器在雨天的鲁棒性。在Waymo自动驾驶数据集上进行的实验表明，本文方法可与多种三维目标检测器结合使用，显著提升雨天的目标检测精度，并且不会增加任何推理延时。同时，本文方法对晴天场景的目标检测同样有效，为晴雨天下的鲁棒三维目标检测方法提供了解决方案。

该论文第一作者是实验室硕士生黄勋，博士生吴海为共同一作，通讯作者是温程璐老师，合作者还有实验室王程老师、范晓亮老师和德州农工大学李昕老师。

论文简介：近年来，使用激光雷达在大规模室外场景中实现三维人体姿势估计引起广泛关注。本论文通过充分利用空间邻域点中限制运动目标的物理定律，使预测的人体动作更为合理；通过充分挖掘扫描领域点中的结构边缘线索，用以克服由激光雷达点云稀疏性导致的远距离数据质量下降的问题。为了有效地利用这些不同信息之间的互补关系，论文还提出了一种新的基于Transformer的模块---CoherenceFuse。多个公开数据集上的实验结果表明本文方法在室外人体姿态估计任务的有效性。特别是与Baseline方法在LidarHuman26M数据集上的比较中，本文方法在平均MPJPE指标上减少了7.08mm，同时在超过25米的距离上，MPJPE指标减少了16.55mm。

该论文第一作者是实验室博士生章璟怡，通讯作者是王程老师，合作者还有实验室沈思淇老师、硕士生毛祺宏和Oosto胡国胜老师。

论文简介：点云配准是三维视觉、摄影测量与遥感领域的重要任务之一。跨源点云配准存在点云数据质量、密度不一致及匹配信息易受噪声影响的挑战。现有方法大多关注同源点云，或者缺乏对点云几何复杂性的考虑，在非结构化场景中的跨源点云配准性能往往不佳。本文提出了一种利用骨架几何先验知识促进点云配准的新方法。该方法利用骨架的几何先验知识，基于Transformer学习具有辨别性的特征，然后采样骨架信息的稳定对应关系，最终实现精确的跨源点云配准。这种骨架几何先验知识能够实现更好的对应匹配，并引入最少的额外性能开销。同时，跨源点云配准面临着数据集缺乏的问题。本文基于常用的KITTI Odometry数据集通过深度估计构造了一个大规模、场景级的跨源点云数据集，该数据集能够有效地训练并测试跨源点云配准方法。本文方法在森林场景和城市场景的多源点云配准任务上都达到了较好性能。

该论文第一作者是实验室本科生熊恪峥，通讯作者是温程璐老师和沈思淇老师，合作者还有实验室王程老师、硕士生郑茂基和新加坡南洋理工大学徐青山老师。