多摄像头三维目标检测的简单基线
计算机视觉与模式识别
2022-08-23 v1
摘要
利用环绕摄像头进行三维目标检测一直是自动驾驶的一个有前景的方向。本文中，我们提出 SimMOD，一种用于多摄像头目标检测的简单基线（Simple baseline for Multi-camera Object Detection），以解决该问题。为融合多视角信息并建立在先前单目三维目标检测工作的基础上，该框架构建于样本级目标提议之上，并设计为以两阶段方式工作。首先，我们提取多尺度特征并在每幅单目图像上生成透视目标提议。其次，多视角提议被聚合，然后在 DETR3D 风格下用多视角与多尺度视觉特征迭代精炼。精炼后的提议被端到端解码为检测结果。为进一步提升性能，我们在提议生成旁引入辅助分支以增强特征学习。同时，我们设计了目标过滤与教师强制方法以促进两阶段训练的一致性。我们在 nuScenes 的三维目标检测基准上进行了大量实验，以证明 SimMOD 的有效性并取得了新的 SOTA 性能。代码将发布于 https://github.com/zhangyp15/SimMOD。
引用
@article{arxiv.2208.10035,
title = {A Simple Baseline for Multi-Camera 3D Object Detection},
author = {Yunpeng Zhang and Wenzhao Zheng and Zheng Zhu and Guan Huang and Jie Zhou and Jiwen Lu},
journal= {arXiv preprint arXiv:2208.10035},
year = {2022}
}