1 基于多传感器融合的目标检测 基于摄像机的二维图像的目标检测算法的研 究较为成熟，其主要通过摄像头实时采集图像，进 而利用深度学习网络对图像中的车辆、行人等目标 进行检测。根据检测思路的不同目标检测框架可以 分成两类：基于区域建议的检测算法和基于回归的 检测算法[6]。 在基于三维点云的目标检测算法的研究中，由 于数据结构的不同，传统 CNN 不能直接应用于激 光雷达点，许多算法尝试了各种方法来解决这个问 题[7]。一种方法是将点云转换成为图像，再利用基 于二维目标检测算法进行检测。另一种方法是直接 利用原始的点云数据来检测对象。 在基于多传感器融合的目标检测中，研究最为 多的是将摄像机和激光雷达这两种传感器结合。在 融合方法中一种是结果级融合，分别对单一传感器 进行检测，再将检测结果进行融合；另一种是进行 特征级的融合[8]。本文改进的 AVOD 是一种特征级 融合的目标检测算法。特征级的融合能够结合两种 传感器的数据特征；同时利用 kmeans 算法生成 3D anchor 提高了模型对数据集的学习能力。