AutoShape：实时形状感知单目 3D 目标检测
计算机视觉与模式识别
2021-08-26 v1
摘要
自动驾驶中现有的基于深度学习的单目 3D 目标检测方法通常将目标建模为旋转的 3D 长方体，而忽略了目标的几何形状。在本工作中，我们提出了一种将形状感知的 2D/3D 约束纳入 3D 检测框架的方法。具体而言，我们采用深度神经网络学习 2D 图像域中具有区分性的 2D 关键点，并首先在局部 3D 目标坐标系中回归其对应的 3D 坐标。然后，通过每个目标的这些对应关系构建 2D/3D 几何约束，以提升检测性能。为了生成 2D/3D 关键点的真值，我们提出了一种自动模型拟合方法，通过拟合变形的 3D 目标模型与 2D 图像中的目标掩码来实现。所提出的框架已在公开的 KITTI 数据集上得到验证，实验结果表明，与基线方法相比，使用额外的几何约束显著提升了检测性能。更重要的是，所提出的框架实现了实时条件下的 SOTA 性能。数据和代码将在 https://github.com/zongdai/AutoShape 公开。
引用
@article{arxiv.2108.11127,
title = {AutoShape: Real-Time Shape-Aware Monocular 3D Object Detection},
author = {Zongdai Liu and Dingfu Zhou and Feixiang Lu and Jin Fang and Liangjun Zhang},
journal= {arXiv preprint arXiv:2108.11127},
year = {2021}
}