吕 卓 姚治成 贾玉祥 包云岗

1(中国科学院计算技术研究所 北京 100190) 2(计算机体系结构国家重点实验室(中国科学院计算技术研究所) 北京 100190) 3(数学工程与先进计算国家重点实验室 郑州 450001) 4(郑州大学信息工程学院 郑州 450001) 5(中国科学院大学 北京 100049)

3D物体检测是计算机视觉的一个重要研究方向，其主要任务是预测物体的尺寸、世界坐标系下的坐标以及朝向等信息，从而提供物体所处的3D空间.3D视觉识别对于机器人感知外界环境、理解周围场景和完成特定任务十分重要[1].3D物体检测在自动驾驶、机器人和目标追踪等场景中都有所应用.在自动驾驶领域，3D物体检测获取到的相关信息可以帮助汽车完成路径规划、避免碰撞等任务，自动驾驶需要3D物体检测来保证驾驶安全性，因此，如何更有效地得到精确的3D物体检测结果成为近些年来研究的热点.

当前的3D物体检测方法基本都难以同时满足高精度、快速度和低成本这3个要求[2].如图1所示，当前方法在速度-精度图中的分布基本都在曲线附近，精度较高的方法速度较慢，速度较快的方法精度较低，而理想的3D物体检测需要同时兼顾速度和精度.当前的3D物体检测方法大多以RGB图像、RGB-D数据、雷达点云等作为网络的输入，采用端到端的深度神经网络进行相关计算，最终输出预测的物体3D边框.然而直接使用端到端深度神经网络来解决3D物体检测这种复杂的任务，存在着网络结构复杂、计算量大、实时性差等问题……