裴仪瑶，郭会明，张丹普，陈文博

（1.中国航天科工集团第二研究院，北京 100039；2.北京航天长峰股份有限公司北京航天长峰科技工业集团有限公司，北京 100039；3.中国科学院自动化研究所，北京 100190）

0 引言

3D 目标检测是车辆无人驾驶、机器人、增强现实、安保边防、同时定位与地图构建（Simultaneous Localization And Mapping，SLAM）等应用领域中的一项关键任务。在车辆无人驾驶过程中需要对周边环境进行实时感知，3D 目标检测任务可以用于识别并定位车辆周围的物体，以此躲避障碍物［1-2］；动态环境下的SLAM 是一项充满挑战的任务，SLAM 与基于深度神经网络的3D 目标检测任务可以互相促进［3］，通过3D 目标检测任务删除不可靠的特征点（如移动的物体），提高SLAM 的精度和鲁棒性。近年来出现了基于点云投影到图像［4-6］、基于3D 体素网格［7-9］和基于原始点云［10-12］的3D 目标检测方法。基于3D体素网格的方法用空间信息进行显式编码，将点云数据转化为体素格式并对体素特征进行编码；然后，在体素网格上应用3D 卷积进行特征提取；最后，使用候选区域生成网络（Region Proposal Network，RPN）进行目标预测。稀疏嵌入卷积检测（Sparsely Embedded CONvolutional Detection，SECOND）网络［9］是一个具有代表性的基于体素网格的3D目标检测网络，其提出的稀疏卷积方法提高了网络运算效率，加快了网络推理速度。

目前大部分3D 目标检测方法的研究都是基于全监督的方法［1，4，7］，而全监督的3D 目标检测方法需要大量的人工标注数据作为训练数据来优化模型，由于3D 点云数据的特殊性，在人工标注目标3D边界框的过程中不可避免地存在偏差，即目标的标注数据中存在噪声，若使用这种数据作为训练数据则会对模型的定位精度造成影响；……