李 朝，兰 海，魏 宪

（1.中国科学院海西研究院泉州装备制造研究所，福建泉州 362216；2.中北大学电气与控制工程学院，太原 036005）

0 引言

车辆自动驾驶的安全性依赖于对周围环境的准确感知。目前车辆采用的主要感知器有激光雷达、摄像头和毫米波雷达。其中：激光雷达精度高，探测距离较远，受天气影响小，但数据较稀疏；摄像头图像则具有丰富的颜色信息，但受天气和光照影响较大；毫米波雷达精度较低，但探测距离远，受天气影响极小，也存在数据稀疏的特点。目前有基于单个传感器或多个传感器融合的目标检测，其中不同传感器数据进行融合能提高无人驾驶系统的鲁棒性和冗余性。

在光照条件不友好的环境下，摄像头难以发挥作用，激光雷达和毫米波雷达是车辆感知环境的主要手段。激光雷达与毫米波雷达所产生的传感数据均以三维点云数据为主，两者在数据形式上有着很高的相似性。基于激光雷达点云数据的目标检测基本上还是解决数据的无序性和稀疏性问题。文献［1］中提出的PointNet 是具有开创性的工作，真正地实现了无序点云的端到端学习。PointNet 通过池化操作解决点的无序性问题，通过数据对齐操作保证旋转不变性。除了直接将无序点云输送进网络，还可以通过将点云数据先离散化处理再输入检测网络，例如文献［2-3］中通过将无序的点云划分到有序的空间体素的方法解决点云数据的无序性问题，之后再通过3D 卷积提取特征，但3D 卷积计算量太大。……