本文针对自动驾驶场景中的高精度三维物体检测。我们提出了多视点三维网络（MV3D），这是一个感知融合框架，将LIDAR点云和RGB图像作为输入，并预测定向的3D边界框。我们用紧凑的多视图表示编码稀疏三维点云。网络由两个子网组成：一个用于三维物体建议生成，另一个用于多视点特征融合。提议网络从3D点云的鸟瞰图表示中有效地生成3D候选框。我们设计了一种深度融合方案，将多个视图中的区域特征相结合，并实现不同路径中间层之间的交互。在具有挑战性的KITTI基准测试中进行的实验表明，我们的方法在三维定位和三维检测任务方面胜过了最先进的约25％和30％的AP。另外，对于二维检测，我们的方法比基于LIDAR的方法中的硬数据获得高14.9％的AP。         本文针对自动驾驶场景