基于深度學習的三維目標檢測方法研究綜述

張冬冬，郭 杰，陳 陽

（陸軍工程大學野戰工程學院，南京 210007）

0 引言

目標檢測，作為三維數據處理與分析的基礎技術、基礎算法，是計算機視覺當前熱門研究方向之一。數據是研究的基礎，目前主流的三維數據表示方法主要有深度圖、三角網格、體素和點云。其中，點云是最簡單的一種三維數據表示方法，具有獲取簡單、易于存儲、可視性強、結構描述精細等優點，而且能夠方便地與深度圖、體素等其他數據格式相互轉換，已成為三維重建、三維目標檢測、SLAM（即時定位與地圖構建）等研究領域最基本的數據格式。點云定義為同一空間坐標系下表達目標空間分布和目標表面光譜特性的海量離散點集合，每個點包含特定的位置信息和其他屬性信息，如顏色、激光反射強度等。與傳統的二維圖像相比，點云在分辨率、精度、紋理信息等方面有了很大提升，具有多屬性、可量測、高精度、高穿透、受環境和天氣因素影響小等特點，已在許多重大工程和典型領域得到廣泛應用，如機器人與自動駕駛、軍事目標偵察、森林資源調查、電力走廊安全巡檢、文物三維數字化、臨床醫學輔助診斷和治療等[1]。

早期對點云場景的目標檢測主要是基于三維特征的識別，即利用點云的幾何空間結構提取物體的特征信息，然后與已有的特征信息進行比對進而完成檢測。特征比對主要是利用支持向量機（SVM）、隨機森林（Random Forest）及Adaboost等已經訓練好的分類器，因此只能對分類器已經學習到的物體進行識別，且特征提取、數據處理仍依托人工操作，方法較為繁瑣復雜。……