相机和激光雷达是自动驾驶三维目标检测任务的主流传感器,有各自的优点。激光雷达能够提供目标准确的距离信息,但其分辨率低,对于小目标或者结构类似的目标无法准确检测,而相机分辨率高,能提供丰富的语义信息。如何充分利用图像信息增强点云数据,提升点云检测模型的精度成为了研究热点。根据增强的特征不同可以分成增强点云的语义信息与增强点云的几何信息。增强点云的语义信息的融合方法需要将点或鸟瞰体素投影到图像特征图上,但这种方法受点云稀疏性的影响,会丢失部分图像的语义信息。增强点云的几何信息也即利用图像信息增密点云,是将点云投影到图像上生成稀疏深度图,深度补全后再反投影获得密集点云。传统的基于插值的点云增密方法深度预测精度低,而基于神经网络的点云增密方法依赖标注数据,且计算效率差。本文对这两类融合方法分别进行了改进,主要工作如下:提出了基于透视体素投影的融合检测模型。首先采用不同的神经网络分别提取出图像的特征图与点的局部几何特征,然后将每个点所在的透视体素投影到图像的特征图上获取感兴趣区域,并提取该区域的语义特征,经一个注意力模块加权后与点的局部几何特征融合,最后使用最大池化操作聚合每个鸟瞰体素的特征,并采用稀疏卷积神经网络进行最后的目标检测。在KITTI验证集行人类别上,提出的方法相比基于点投影和基于鸟瞰体素投影的融合方法,分别有着3.6%和3.8%的平均精度提升。提出了基于图像分割的实例级点云增密框架。首先对图像进行实例分割,并在图像分割掩膜对应的视锥内部通过聚类分割出目标点云,在掩膜内均匀采样若干个伪投影点并预测深度,最后将伪投影点反投影回三维空间中与原始点云结合,传入点云检测模型进行检测。在nu Scenes数据集上进行实验,采用了提出的实例级增密方法后,基础点云模型检测的平均精度提高了6.8%,检测分数提高了4.6%。本文提出的相机与激光雷达方法,能够更有效地增强点云的语义或几何特征,显著提升点云检测模型的精度,提高自动驾驶系统的安全性。