边界框差异度：具有全自由度的三维目标检测度量
计算机视觉与模式识别
2022-11-14 v2
摘要
二维图像中目标检测最流行的评估度量是交并比（IoU）。现有的三维目标检测 IoU 度量实现通常忽略一个或多个自由度。本文中，我们首先推导了三维边界框的解析解。作为第二项贡献，推导了体到体距离的闭式解。最后，提出边界框差异度（Bounding Box Disparity）作为一种组合的正值连续度量。我们提供了这三种度量的开源实现，包括独立的 python 函数，以及对 Open3D 库的扩展和 ROS 节点。
引用
@article{arxiv.2207.03720,
title = {Bounding Box Disparity: 3D Metrics for Object Detection With Full Degree of Freedom},
author = {Michael G. Adam and Martin Piccolrovazzi and Sebastian Eger and Eckehard Steinbach},
journal= {arXiv preprint arXiv:2207.03720},
year = {2022}
}
备注
4 pages+1 Page references, 4 Figures, Best Paper Award First Runner-Up @ ICIP2022