针对目前大多数基于体素的三维目标检测方法对路上行人及骑行者等小目标物体检测识别效果较差的问题，本文提出了一种基于体素纹理信息与深度语义融合的单阶段三维目标检测网络（Voxel-AESC）。首先本文考虑体素在不同感受野下的空间特征，提出多尺度3D特征金字塔网络模块（ISC3D）以增强对三维空间细腻的局部信息提取；其次提出融合残差网络的多注意力网络模块（CASA）使得网络能够自适应地提取目标最有差异性的特征，显著提高网络对重要信息的关注能力；最后利用KITTI数据集对算法进行验证，其中验证集中对Car、Cyclist和Pedestrian三类目标3D平均检测精度分别为81.45%、68.59%、52.91%,BEV平均检测精度分别为89.16%、71.90%、52.56%，推理时间为55ms，所提算法的检测精度和效率优于目前大多数的三维目标检测算法。并进一步将算法部署在实车平台上，验证了其工程价值。
