FCOS3D：全卷积单阶段单目三维目标检测
计算机视觉与模式识别
2021-09-27 v3 人工智能
机器人学
摘要
考虑到低成本优势，单目三维目标检测是自动驾驶中的一项重要任务。由于其固有的病态特性（主要体现在缺乏深度信息），它比传统的二维情况更具挑战性。近期二维检测上的进展为更好地解决该问题提供了机会。然而，使一个通用适配的二维检测器在此三维任务中工作并非易事。在本文中，我们基于全卷积单阶段检测器构建实践来研究该问题，并提出一个通用框架FCOS3D。具体而言，我们首先将常规定义的7自由度三维目标变换到图像域，并将其解耦为二维和三维属性。然后，考虑物体的二维尺度将其分配到不同特征层级，并仅根据投影的三维中心进行训练过程中的分配。此外，基于三维中心以二维高斯分布重新定义了center-ness以适配三维目标公式。所有这些使得该框架简单而有效，摆脱任何二维检测或二维-三维对应先验。我们的方案在NeurIPS 2020的nuScenes三维检测挑战赛中所有仅视觉方法中获得第一名。代码和模型发布于https://github.com/open-mmlab/mmdetection3d。
引用
@article{arxiv.2104.10956,
title = {FCOS3D: Fully Convolutional One-Stage Monocular 3D Object Detection},
author = {Tai Wang and Xinge Zhu and Jiangmiao Pang and Dahua Lin},
journal= {arXiv preprint arXiv:2104.10956},
year = {2021}
}
备注
Camera-ready version of 3DODI workshop at ICCV 2021; Technical report for the best vision-only method (1st place of the camera track) in the nuScenes 3D detection challenge of NeurIPS 2020