郭保青 ，谢光非

（1. 北京交通大学机械与电子控制工程学院，北京100044；2. 北京交通大学智慧高铁系统前沿科学中心，北京100044）

1 引 言

基于目标检测的环境感知是自动驾驶和机器人导航［1-2］的基础，常见的目标检测方法包括二维图像目标识别和三维点云目标精确定位。基于 二 维 图 像 的 SPPnet［3］，R-CNN［4］，Fast RCNN［5］，Faster R-CNN［6］和 YOLO［7］系列算法被广泛应用于目标识别，这类算法效率较高，但对目标大小及位置的估计不够准确。

与二维目标检测［8-9］相比，基于三维点云的目标识别与定位［10］可以精准估计目标的三维尺寸及位置，对车辆自主驾驶和机器人导航具有更重要的意义。然而，三维目标检测面临着数据量大、点云分布不均匀和处理复杂等诸多挑战，许多相关研究致力于提高三维点云检测的时效性和准确性。Complex-YOLO［11］和 YOLO3D［12］算法对YOLO 的检测框架进行了三维扩展，PIX⁃OR［13］将三维点云投影到BEV 视图中进行二维检测，SqueezeSeg 算法［14］则将三维点云投影到了球形网格。上述这类算法均是利用成熟的二维探测框架将点云投影到平面上，然而投影过程中的空间信息丢失会导致空间遮挡和精度下降的问题。第二类算法通过对点云体素化进行三维卷积操作提取点云特征并生成检测框。ZHOU等人提出的VoxelNet［15］首先将点云划分为体素，然后使用RPN 网络进行对象检测；Second 网络［16］同样对点云进行体素划分，使用 Pointnet 对非空体素进行特征提取。由于点云的稀疏性，这类算法进行点云体素化大大增加了数据量，大量的空白体素会导致计算的浪费。

激光点云与图像融合算法也可以分为两类。……