BEVStereo：利用动态时序立体匹配增强多视角三维目标检测中的深度估计
计算机视觉与模式识别
2022-09-22 v1
摘要
受深度感知固有模糊性的限制，当前基于相机的三维目标检测方法陷入性能瓶颈。直观上，利用时序多视角立体（MVS）技术是解决该模糊性的自然思路。然而，传统 MVS 尝试应用于三维目标检测场景时存在两方面缺陷：1）所有视角间的亲和度度量计算代价高昂；2）难以处理物体常处于运动状态的室外场景。为此，我们引入一种有效的时序立体方法，动态选择匹配候选的范围，能够显著减少计算开销。更进一步，我们设计了一种迭代算法来更新更有价值的候选，使其适应运动候选。我们将所提方法实例化为多视角三维检测器，即 BEVStereo。BEVStereo 在 nuScenes 数据集仅相机赛道上取得了新的 SOTA 性能（即 52.5% mAP 和 61.0% NDS）。同时，大量实验表明我们的方法比当代 MVS 方法更能应对复杂室外场景。代码已发布于 https://github.com/Megvii-BaseDetection/BEVStereo。
引用
@article{arxiv.2209.10248,
title = {BEVStereo: Enhancing Depth Estimation in Multi-view 3D Object Detection with Dynamic Temporal Stereo},
author = {Yinhao Li and Han Bao and Zheng Ge and Jinrong Yang and Jianjian Sun and Zeming Li},
journal= {arXiv preprint arXiv:2209.10248},
year = {2022}
}