自动驾驶中基于深度学习的3D目标检测方法综述

来源：上海理工大学学报杂志2024年第2期北京时间：

作者：梁振明，黄影平，宋卓恒，丁建华

单位：上海理工大学，光电信息与计算机工程学院，上海 200093,上海理工大学，光电信息与计算机工程学院，上海 200093,上海理工大学，光电信息与计算机工程学院，上海 200093,上海理工大学，光电信息与计算机工程学院，上海 200093

摘要：随着激光雷达传感器和深度学习技术的快速发展，针对自动驾驶3D目标检测算法的研究呈现爆发式增长。为了探究3D目标检测技术的发展和演变，对该领域中基于深度学习的3D检测算法进行了综述。根据车载传感器的不同，将当前基于深度学习的自动驾驶3D目标检测算法分为基于相机RGB图像、基于激光雷达点云、基于RGB图像–激光雷达点云融合的3D目标检测3种类型。在此基础上，分析了各类算法的技术原理及其发展历程，并根据平均检测精度（mAP）指标，对比了它们的性能差异与模型优缺点。最后，总结和展望了当前自动驾驶3D目标检测中仍然面临的技术挑战及未来发展趋势。

关键词：3D目标检测;深度学习;自动驾驶;RGB图像;激光雷达点云;多传感器融合

基金资助：国家自然科学基金资助项目(62276167)；上海市自然科学基金资助项目(20ZR1437900)