【摘要】该文基于多分支特征融合的3D目标检测算法将无序的点云划分为规则的体素，利用体素特征编码模块和卷积神经网络学习体素特征，再将稀疏的3D数据压缩为稠密的二维鸟瞰图，最后通过2D骨干网络的粗糙分支和精细分支对多尺度鸟瞰图特征进行深度融合。该文实现了对多尺度特征的语义信息、纹理信息和上下文信息的聚合，得到了更加精确的原始空间位置信息、物体分类、位置回归和朝向预测，在KITTI数据集上取得优异的平均精度，并在保持一定帧率的同时具有较强的稳健性。