HeightFormer：基于道路侧视角的语义对齐单目 3D 目标检测方法
计算机视觉与模式识别
2024-10-22 v2
摘要
车载 3D 目标检测技术因其在自动驾驶中的关键作用而受到广泛关注，但少数研究聚焦于将路边传感器应用于 3D 交通目标检测。现有研究通过基于锥体的高度估计实现 2D 图像特征到 3D 特征的投影，但未考虑高度对齐以及鸟瞰视图特征的提取效率。我们提出了一种新颖的 3D 目标检测框架，集成 Spatial Transformer 和 Voxel Pooling Transformer，以增强基于高度估计的 2D 到 3D 投影。我们在 Rope3D 和 DAIR-V2X-I 数据集上进行了大量实验，结果表明所提出算法在车辆和骑行者检测中表现优异。这些结果表明该算法在各种检测场景下都具有鲁棒性和普适性。提高道路侧 3D 目标检测的准确率有助于构建安全可靠的车路协同智能交通系统，并推动自动驾驶的大规模应用。代码和预训练模型将发布于 https://anonymous.4open.science/r/HeightFormer
关键词
引用
@article{arxiv.2410.07758,
title = {HeightFormer: A Semantic Alignment Monocular 3D Object Detection Method from Roadside Perspective},
author = {Pei Liu and Zihao Zhang and Haipeng Liu and Nanfang Zheng and Meixin Zhu and Ziyuan Pu},
journal= {arXiv preprint arXiv:2410.07758},
year = {2024}
}