三维目标检测是场景理解任务中的基础问题之一,在智能驾驶和机器人感知等领域有着广泛的应用前景。基于不同传感器数据的三维目标检测算法在性能、效率以及应用场景等多个方面均存在差异。能获取精确距离的激光雷达和具有较高分辨率的双目相机常作为主要的感知设备应用于智能驾驶系统。激光雷达通过发射特定波长的激光束并接收目标回波以获取场景的三维点云。当前基于点云的三维目标检测算法存在两个问题。一是在点云的特征提取网络中,语义信息（例如逐点的类别标签）没有被充分利用;二是在鸟瞰视角下,三维目标对应的特征尺度变化幅度较小,但当前的方法采用了过多尺度的特征,这导致感受野与目标的物理尺寸不匹配的问题。针对以上两个问题,本文提出了基于点云互补特征与合理感受野的三维目标检测网络。其中包含语义和位置分支的互补特征提取器可以充分提取点云的潜在语义信息和准确的几何位置信息,形成的互补特征可以增强对远距离和被遮挡目标的表达能力。本文还分析了道路场景下三维目标检测网络的感受野适配问题,并通过实验论证了合理的感受野可以使模型在更少的参数量和计算量的情况下获得性能提升的结论。双目相机可以通过对左右视角图像中的像素匹配而获取致密的三维场景深度信息。但受图像分辨率和计算量等因素的制约,其距离精度与激光雷达相比还有很大提升空间。为了解决基于双目立体视觉的三维目标检测算法中远距离深度估计不准确的问题,本文提出了深度渐进编码方法,在同等算力条件下对远近深度平面进行动态调整,使远距离目标在左右视图中能被更精准地匹配,并获得更准确的深度估计值。本文还发现双目深度估计中目标与背景的纹理及语义等特征不一致,同等对待目标与背景所产生的深度估计损失会导致模型忽略占比较低的目标损失。针对这个问题,本文提出了聚焦目标的深度估计损失函数,通过平衡目标与背景损失比例以使模型预测更精准的目标深度,进而得到更准确的三维目标检测结果。