利用精确候选框与形状重建的单目三维目标检测
计算机视觉与模式识别
2019-04-04 v1
摘要
我们提出 MonoPSR，一种利用候选框与形状重建的单目三维目标检测方法。首先，利用针孔相机模型的基本关系，由成熟的二维目标检测器的检测结果生成场景中每个目标的一个三维候选框。这些候选框的三维位置被证明相当准确，极大降低了回归最终三维边界框检测的难度。同时，在目标中心坐标系中预测点云以学习局部尺度与形状信息。然而，关键挑战在于如何利用形状信息来引导三维定位。为此，我们设计了聚合损失，包括一种新颖的投影对齐损失，在神经网络中联合优化这些任务以提升三维定位精度。我们在 KITTI 基准上验证了方法，在已发表的单目方法中取得了新的 SOTA 结果，包括更难的行人及骑行者类别，同时保持高效的运行时间。
引用
@article{arxiv.1904.01690,
title = {Monocular 3D Object Detection Leveraging Accurate Proposals and Shape Reconstruction},
author = {Jason Ku and Alex D. Pon and Steven L. Waslander},
journal= {arXiv preprint arXiv:1904.01690},
year = {2019}
}
备注
Accepted in CVPR 2019