BEVHeight：一种基于视觉的路边 3D 目标检测鲁棒框架
计算机视觉与模式识别
2023-04-12 v2
摘要
尽管近期大多数自动驾驶系统聚焦于开发车载传感器上的感知方法，人们往往忽视了一种替代方案，即利用智能路边相机将感知能力扩展至视距之外。我们发现，最先进的以视觉为中心的鸟瞰图（bird's eye view, BEV）检测方法在路边相机上表现不佳。这是因为这些方法主要聚焦于恢复相对于相机中心的深度，而车辆与地面之间的深度差随距离增大迅速缩小。本文中，我们提出一种简单而有效的方法，称为 BEVHeight，以解决该问题。本质上，我们不再预测逐像素深度，而是回归到地面的高度，从而实现与距离无关的建模，以简化纯相机感知方法的优化过程。在流行的路边相机 3D 检测基准上，我们的方法以显著优势超越所有以往的以视觉为中心的方法。代码见 {\url{https://github.com/ADLab-AutoDrive/BEVHeight}}。
引用
@article{arxiv.2303.08498,
title = {BEVHeight: A Robust Framework for Vision-based Roadside 3D Object Detection},
author = {Lei Yang and Kaicheng Yu and Tao Tang and Jun Li and Kun Yuan and Li Wang and Xinyu Zhang and Peng Chen},
journal= {arXiv preprint arXiv:2303.08498},
year = {2023}
}
备注
Accepted by CVPR 2023