Center3D：基于中心点的单目 3D 目标检测与联合深度理解
计算机视觉与模式识别
2020-05-28 v1 机器学习
摘要
在仅给定单目 RGB 图像的情况下，在 3D 空间中定位物体并理解其相关 3D 属性具有挑战性。透视投影过程中深度信息的丢失使情况更加复杂。我们提出 Center3D，一种单阶段无锚框方法，仅使用单目 RGB 图像即可高效估计 3D 位置与深度。通过利用 2D 与 3D 中心点之间的差异，我们能够一致地估计深度。Center3D 结合分类与回归，比单独使用任一方法更鲁棒地理解隐藏的深度信息。我们的方法采用两种联合策略：(1) LID：一种以分类为主导、具有顺序线性递增离散化的方法。(2) DepJoint：一种以回归为主导、利用多种 Eigen 变换进行深度估计的方法。在 KITTI 数据集上对中等难度物体进行评估，Center3D 将 BEV 中的 AP 从 提升至 ，将 3D 中的 AP 从 提升至 。与最先进的检测器相比，Center3D 在实时单目目标检测中实现了最佳的速度-精度权衡。
引用
@article{arxiv.2005.13423,
title = {Center3D: Center-based Monocular 3D Object Detection with Joint Depth Understanding},
author = {Yunlei Tang and Sebastian Dorn and Chiragkumar Savani},
journal= {arXiv preprint arXiv:2005.13423},
year = {2020}
}