Page 85 - 《软件学报》2026年第1期

82 软件学报 2026 年第 37 卷第 1 期

变换算子时, LiRTest 期望转换后点云数据的目标检测结果与原始点云的检测结果一致; 在应用仿射变换算子时,
LiRTest 期望转换后点云数据的目标检测结果与在原始结果上应用仿射算子的结果一致. LiRTest 生成的测试用例
能够激活目标检测模型的不同神经元, 并通过模拟多种驾驶条件, 有效检测出其错误行为.
6.2 现有方法优缺点分析
点云以三维结构及每点特征对信息进行编码, 具备稀疏性、非结构化和高维度等特点, 使得相关特征提取、
变异与语义对齐等操作面临更高难度. 受限于此, 当前面向点云处理应用的测试用例生成方法数量相对较少, 技术
成熟度也不高. 尽管部分方法能够通过仿真工具构造数据或利用已有数据集进行变异以扩展输入空间, 但在模拟
复杂场景、控制目标语义和获取准确预期结果等方面仍存在诸多问题. 例如, 合成数据的真实性与适配性难以保
障, 现有点云数据集的覆盖范围有限, 部分点云变换策略缺乏对语义保持的建模机制, 且多数测试预言依赖于精确
标签或映射关系, 难以推广至开放环境中的真实测试. 为系统梳理现有方法存在的关键问题, 表 8 总结了当前面向
点云处理应用的主要技术路径及其各自的优势与局限性.

表 8 现有面向点云处理应用的技术路径优缺点总结

技术路径 优点 缺点
(1) 能控制采集过程中的环境变量和对象行为, 生成具备精确 (1) 合成点云与真实场景存在感知差异可能引
基于仿真工具的 语义标签的点云数据, 提高测试的可重复性与可信度 入模拟偏差, 影响测试结果的外部有效性
点云数据合成 (2) 可在不依赖现实场景的条件下快速生成大规模多样化数 (2) 需要仿真平台与游戏引擎的配合, 部署复杂,
据, 扩展测试覆盖范围, 降低人工采集成本 会受限于所选仿真工具的建模能力和灵活性
(1) 利用已有数据可减少采集与合成成本, 便于直接开展测试, (1) 数据覆盖范围受限, 难以满足多场景、多环
基于现有点云 提升测试效率 境下的稳定性测试需求
数据集 (2) 许多公开数据集带有精细标注, 适合用于算法验证、基准 (2) 数据集设计目的不一, 预处理方式差异大,
对比与模型调优 易引入分布偏差影响测试准确性
(1) 可系统性模拟目标在不同空间姿态下的表现, 便于验证被 (1) 仿射变换未改变点云本身的语义信息, 可能
基于仿射变换的 测对象对位姿变化的鲁棒性 低估模型在复杂真实环境中的潜在缺陷
点云数据变异 (2) 变换方式定义明确、参数可控, 适合构建具有数学可解释 (2) 仅适用于空间几何变换, 难以覆盖天气、遮
性的蜕变关系 挡等更具现实复杂性的测试需求
(1) 环境特征构造缺乏标准化, 难以确保生成点
(1) 能模拟多种现实世界复杂环境, 提高测试场景多样性
基于环境因素的 (2) 有助于评估被测对象在非理想感知条件下的表现, 揭示潜 云准确反映目标环境特性
点云数据变异 (2) 某些变异可能引入非自然噪声, 干扰被测对
在鲁棒性问题
象的识别, 导致测试预言难以准确判断
(1) 实例信息的真实性依赖仿真环境的建模质
(1) 可自动获取点云的标签与目标实例信息, 显著降低人工标
基于仿真工具的 注成本 量, 存在与现实偏差风险
实例目标获取 (2) 仅适用于仿真平台支持的对象类别, 难以覆
(2) 具备高度一致性和准确性, 有利于构建高质量的测试预言
盖实际场景中的边缘场景
(1) 可利用目标检测或分割结果的一致性构建预言, 规避手工 (1) 难以精确定义“语义一致”的检测结果标准,
基于语义一致性 标注需求 存在误判可能
的测试预言构建 (2) 可广泛适配多种输入变异策略, 只要语义保持一致, 便可 (2) 在复杂场景或多目标情况下, 保持整体语义
构建可靠的预言 一致性具有挑战性

6.3 小 结
综上所述, 当前面向点云处理应用的测试用例生成方法在扩展输入空间方面已初见成效, 但仍面临测试数据
来源有限、变异策略覆盖不足以及测试预言构建困难等问题. 本文认为, 未来的研究应聚焦以下两个方面, 以进一
步弥补当前方法的不足: (1) 研究人员需拓宽点云数据的来源, 探索从更多实际环境中收集数据的可能性, 尤其是
针对不常见或难以获取的场景数据; (2) 随着点云数据应用任务的不断多样化, 未来应更加注重设计适配不同应用
场景的变异算子, 以确保能够模拟各类环境条件下的点云数据变异. 例如, 在自动驾驶场景中, 点云数据通常还会
受到时间与地理位置等因素的影响, 因此需要设计能够适应这些变化的变异算子, 从而提高测试输入空间的多样
性, 全面捕获潜在的错误行为. 上述研究内容将有助于推动点云处理领域的测试方法更好地服务于自动驾驶、机
器人、遥感等多个行业, 满足这些领域对高效测试的实际需求.