本公开提供了一种跨模态检索方法及装置、电子设备、存储介质，属于图像处理技术领域，该方法包括：基于目标图像提取第一场景图；基于点云数据提取第二场景图；基于目标图像的位姿进行所述第二场景图投影，筛选多个第三场景图；所述第三场景图为所述第二场景图中的局部二维场景图；分别计算所述第一场景图与所述第三场景图的第一相似度，基于第一相似度计算结果从所述第三场景图中筛选第四场景图，将所述第四场景图确定为所述目标图像对应的检索结果。本公开提供的跨模态检索方法及装置、电子设备、存储介质可以提高跨模态检索的准确度。