基于多模态融合的3D目标检测方法研究

课题名称: 基于多模态融合的3D目标检测方法研究
学科专业: 计算机科学
课题关键词: 多模态融合3D目标检测特征对齐
辅导模式: 1对1
发表目标: SCI期刊1-3区
课题介绍: 3D目标检测是自动驾驶、机器人导航等领域的核心感知任务，其性能直接影响智能系统的决策安全性与环境理解能力。现有方法中，激光雷达（LiDAR）能提供精确三维几何信息，但存在点云稀疏性及成本问题；视觉摄像头（Camera）可提供丰富纹理语义，但深度估计易受光照、遮挡干扰。多模态融合通过互补利用不同传感器特性，可有效提升检测精度与鲁棒性，成为当前研究热点。然而，模态数据异构性（如点云与图像的表征差异）、时空同步误差及计算效率瓶颈，仍需深入探索有效的特征对齐、融合策略及轻量化模型设计。

导师信息

科研导师

Dr. Song

Top院校计算机博士

导师介绍

研究领域：自动驾驶感知，bev感知（BEVformer），端到端自动驾驶（UniAD，VAD），2D/3D目标检测,基于点云3D目标检测（Pointpillars，SECOND，PointRCNN，YOLO，Faster RCNN，DETR），多模态3D目标检测（BEVFusion），大模型学术成果：在IEEE Trans 一区，CCF A会上发表论文20+篇，包括CVPR，ICCV，ECCV，IJCAI，TPAMI，TGRS，TCSVT，IJCV，TNNLS。发表论文30篇，ccf A 8篇（cvpr，iccv，ijcai）trans1区（tpami，tnnls，tip，tgrs，tcsvt，tmm） cvpr，tpami，iccv，eccv，tip，ijcv，tgrs，tcsvt审稿人；曾在多家顶级大厂工作，例如滴滴，小米，商汤研究院，有丰富的学术和工程经验

招生要求

面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。