李文平，袁 强，陈 璐，郑利彪，汤晓龙

（安徽南瑞继远电网技术有限公司，合肥230088）

引 言

目标检测作为计算机视觉的基础任务之一，其主要目的是在点云或图像序列中精确得出各种目标的类别和位置信息［1-2］。目前，基于深度学习的二维目标检测工作已经取得了显著进展，但由于二维目标检测对真实场景的描述度不够，缺乏目标尺寸、姿态等物理参数信息，在实际应用中受到一定限制，因此结合深度信息的三维目标检测任务引起了广大学者及研究机构的关注［3-4］。基于深度学习的三维目标检测方法具有智能分析、自主检测及泛化能力强等特点［5］，已逐渐应用于智能安防、自动驾驶和医疗等诸多领域［6］。

目前，在基于雷达点云与图像数据融合的三维目标检测的研究中，清华大学和百度公司的Chen等［7］提出了MV3D模型，加拿大滑铁卢大学Ku等［8］提出了AVOD模型，瑞典林雪平大学的Gustafsson等［9］提出了A3DODWTDA模型，美国斯坦福大学和Nuro公司的Qi等［10］提出了F-PointNet模型，哈尔滨工业大学的Cao等［11］对F-PointNet模型进行了改进，提出了MVFP模型。其中，MV3D模型融合了视觉和雷达点云信息，其中的三维候选网络将点云表达成具有三维信息的正视图和鸟瞰图，结合图像初步卷积处理后，把特征和候选区域进行融合，然后输出最终的目标边界框。AVOD模型对MV3D模型进行了改进，以雷达点云鸟瞰图和图像数据作为输入，采用特征金字塔网络（Feature Pyramid network，FPN）架构作为主干网络，有利于小目标的检测，提高了整体检测精度。A3DODWTDA网络首先对图像进行二维目标检测，然后将检测到的二维目标投影到三维空间中得到目标可能存在的区域，进一步对目标点云进行分割，最后通过回归得到目标的三维检测结果。……