本发明公开了一种基于3D卷积神经网络的RGBD显著性物体检测方法，步骤包括，获取待检测图片的RGB图和深度图，并将深度图转换为三通道，将三通道的RGB图和深度图在时间维度进行串联，输出带时间维度的4D张量，将4D张量输入3D卷积神经网络中的3D编码器，输出一系列侧通路层次化特征，该3D编码器为一个在时间维度膨胀后的残差网络；3D卷积神经网络中的3D解码器接收层次化特征，对其进行压缩、递归解码、激励，最终输出RGBD显著性物体检测结果，递归解码时所述一系列侧通路层次化特征在时间维度进行串联。本发明利用3D卷积构建具有预融合功能的编码器，同时利用3D卷积构建具有融合功能的解码器，同时利用二者的融合能力充分融合跨模态特征提高检测性能。