【摘 要】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。
【关键词】 深度学习 ; 3D目标检测 ; 多模态融合 ; 点云 ; 自动驾驶
0 引言
在自动驾驶、机器人、无人机等应用领域中，常通过激光雷达、双目视觉、RGB-D 相机等构建3D点云（point cloud）以描述周边环境，但点云信息是无序且缺少语义的。为检测出点云中的移动目标，或实现基于点云的目标检测与人机交互，从无序点云中框取出最准确描述目标的 3D 点云框，并给出目标 3D 框的空间位置、尺寸和朝向，这个过程被称为3D目标检测，是上述各类应用的重要基础。
具体地，3D 点云可以由视觉传感器（包括单目、双目、RGB-D）或雷达传感器（包括超声雷达、激光雷达、毫米波雷达），融合定位传感器、惯性测量单元等，通过处理拍摄的图像或点云数据由视觉里程计或雷达里程计方法构建。在点云中，任何物体以其表面