3D目标检测方法研究综述

Abstract

3D 目标检测是自动驾驶、虚拟现实、机器人等应用领域的重要基础问题，其目的是从无序点云中框取出描述目标最准确的3D框，例如紧密包围行人或车辆点云的3D框，并给出目标3D框的位置、尺寸和朝向。如今，基于双目视觉、RGB-D相机、激光雷达构建的纯点云的3D目标检测，融合图像和点云多模态信息的3D目标检测，是两类主要的方法。首先介绍了3D点云的不同表示形式和特征提取方法，然后从传统机器学习类算法、非融合深度学习类算法、基于多模态融合的深度学习类算法3个层面，逐层递进地介绍各类3D目标检测方法，对类别内部和各类之间的方法进行分析和对比，深入分析了各类方法之间的区别和联系，最后论述了3D目标检测仍存在的问题和可能的研究方向，并对3D目标检测研究的主流数据集和主要评价指标进行了总结。

Keywords

• 深度学习
• 3d目标检测
• 多模态融合
• 点云
• 自动驾驶