随着自动驾驶技术的不断发展和应用,基于激光雷达传感器的3D点云数据已成为自动驾驶领域中不可或缺的一部分。与传统的图像数据相比,3D点云数据更加直接、真实,具有更丰富的信息量。同时,随着3D激光雷达技术和数据处理能力的不断提升,获取和处理场景的3D点云数据已成为可能,因此对3D点云场景进行有效的识别成为自动驾驶领域的研究热点。对此本文针对基于深度学习的3D点云场景识别方法进行研究。现有的基于3D点云场景识别算法存在以下两个问题:问题一是场景数据中不同元素之间的相互干扰、重叠和遮挡使得场景中的3D点云数据具有很高的噪声和冗余。问题二是场景数据中由于路灯、树木等数据的尺寸相对较小,其对应的3D点云密度较低,因此容易被忽略或误分类。而在真实场景中路灯、树木的数量通常比较多,对于自动驾驶来说,忽略或误分类这些物体可能会对决策产生重大影响。针对问题一中的场景数据中3D点云数据具有很高噪声和冗余的问题,本文提出一种基于自注意力和Net VLAD（Net for Vector of Locally Aggregated Descriptors）模块的3D点云场景识别网络模型。该网络首先对3D点云进行预处理,减少在后续自注意力模块中计算涉及的点的数量,同时获得含有丰富领域信息的点集群,过滤冗余噪声。其次,使用自注意力模块从而适应不同的、相似度高的场景特征。最后,为了获得具有显著区分度和代表能力的全局场景描述向量,使用Net VLAD模块将高维的局部特征向量映射到固定长度的向量中,最终得到全局描述符向量并用于场景识别中的匹配任务。针对问题二中的场景数据中,路灯、树木等尺寸相对较小物体的3D点云密度较低,容易被忽略或误分类的问题,本文提出一种基于多层次特征融合的3D点云场景识别网络模型。该网络首先对输入3D点云数据进行稀疏量化处理,为适应后续网络处理得到稀疏量化的3D点云数据。之后通过特征金字塔模块提取不同层次的特征信息,从而更好地捕捉尺寸相对较小的物体的特征,同时在特征金字塔模块中的横向连接操作中间加入ECA（Effective Channel Attention）模块,通过在不同尺度上自适应地加权通道特征图从而提高网络的鲁棒性。最后,在特征金字塔模块中不同层次拼接后的信息通过后处理模块中的全连接层过滤冗余信息,之后再经过广义平均池化生成最终的全局描述符向量。本文使用深度学习框架实现所提出的网络模型,并在公开的场景数据集上进行实验和测试。实验结果表明本文所提出的基于自注意力和Net VLAD模块的3D点云场景识别网络模型在场景数据中能够在过滤冗余噪声的同时获得丰富的场景信息,相较于现有的方法,本文提出的方法能够达到更高的场景识别准确率。同时本文所提出的基于多层次特征融合的3D点云场景识别网络模型能够捕获到不同层次的特征,减少路灯、树木等尺寸相对较小物体信息的丢失和重复提取,从而提高识别的准确性和鲁棒性,与现有方法相比该模型在3D点云场景识别方面表现出一定的竞争优势。