摘要： 为解决点云三维目标检测算法中单阶段网络与双阶段网络在检测精度和检测效率之间难以平衡的问题，提 出一种基于点云体素的伪双阶段三维目标检测网络—ＡＦＰＮｅｔ。构建轻量化的中心热图模块预测目标中心点，去除 传统区域建议网络中的锚框设置与非极大值抑制操作。为更好地利用多尺度体素特征，设计了 ＡＦＰＣｒｏｓｓＡｔｔｅｎｔｉｏｎ 模块，通过设计的自适应特征池化（ＡＦＰ）方法，在多尺度体素中提取高价值特征并进行交叉注意力计算，与全局注 意力相比有效减少了计算量。基于 ＡＦＰ方法搭建了 ＡＦＰＴｒａｎｓｆｏｒｍｅｒ检测头，建模查询特征与高价值特征的依赖关 系，提升网络精度。实验结果表明：在 ＫＩＴＴＩ数据集上，所提方法在 ３种主要目标类别的平均精度均值（ｍＡＰ）方面相 较基准方法分别提升了 １．４３％、５．２３％和 ４．４１％，平均每帧推理时间为 ３４．１９ｍｓ，有效缩短了单阶段和双阶段网络 之间的精度差距，保留了良好的检测效率。

关键词: 点云；三维目标检测；自适应特征池化；注意力机制

中图分类号: 

• Ｕ４９5