目标检测是计算机视觉领域中最基本的任务之一,在基于彩色图像的目标检测初见成效之后,科研人员不满足于此,开始了对3D目标检测的探究。如今,3D目标检测也成为了计算机视觉领域的热门方向,一个优秀的3D目标检测模型可以为实现无人驾驶、智能机器人等创造无限的可能。3D数据的表现形式是多种多样的,其中RGB-D图像不仅含有能完整表现物体色彩与轮廓的彩色信息,还包含了表示物体与传感设备间距离的深度信息。本文正是基于RGB-D图像这种数据表现形式,针对较为复杂的室内场景,提出了一个全新的深度神经网络结构,来完成3D目标检测任务。网络模型主要分为两个部分,提出候选视锥点云和估计3D包围边框。第一部分,首先对彩色图像进行卷积操作得到特征图,在特征图上选取候选区域,对每一个候选区域判断是否含有目标物体,如果含有则对区域的边框进行初步调整并得到物体类别。然后彩色和深度图像结合得到点云模型,再根据候选区域的边框和坐标系平移转换得到视锥点云,作为下一部分的输入。第二部分,首先通过点云处理网络在视锥点云中分割出目标物体,再将物体送入点云处理网络中,结合物体的类别估计物体的真实中心,获得最终的3D包围边框,完成目标检测。点云处理网络的主要作用是提取点云特征,根据点云数据的无序性和旋转不变性,以多层感知机和最大池化作为主要的网络结构。提取特征的过程中还涉及分组提取局部特征然后得到全局特征。在本文提出的模型中,先得到RGB-D图像中彩色图像的纹理特征,再将深度图像转化为点云得到空间的结构特征,二者相辅相成使信息最大化。对于两种不同的数据结构,分别利用两种具有针对性的深度神经网络特征提取,最终根据得到的特征图进行分割、回归等操作,进而完成目标检测的任务。本文在详细介绍了实验方法的同时,也从检测结果上与一些其他杰出的3D目标检测算法进行了比较,在总体检测性能上具有一定的优势,准确率方面有3%到5%的提升。除此之外,对于一些细节上的方法选择也进行了对比,比如不同的模型初始化方法的影响,处理点云过程中分组提取特征的作用等,说明了在整个复杂的网络结构中每一个过程都是对最终的检测结果有着积极的影响。最后还尝试使用更深的网络结构提取彩色图像的特征,实验结果说明了彩色图像的检测过程对最终检测结果产生影响的同时也提高了模型的准确率。