MonoGAE：基于地面感知嵌入的路侧单目三维目标检测

尽管近期大多数自动驾驶系统集中于开发基于车载传感器（ego-vehicle）的感知方法，但有一种被忽视的替代方案，即利用智能路侧摄像头来帮助将车载感知能力扩展到视觉范围之外。我们发现，现有大多数单目三维目标检测器依赖于车载先验假设，即相机光轴与地面平行。然而，路侧摄像头安装在带有俯仰角的杆上，这使得现有方法对路侧场景并非最优。本文提出了一种用于路侧单目三维目标检测的新框架，利用地面感知嵌入，命名为 MonoGAE。具体而言，由于路侧场景中摄像头的固定安装，地平面是一种稳定且强力的先验知识。为了减少地面几何信息和高维图像特征之间的域差距，我们采用带有地平面的监督训练范式来预测高维地面感知嵌入。这些嵌入随后通过交叉注意力机制与图像特征融合。此外，为了提高检测器对摄像头安装姿态差异的鲁棒性，我们用一种新颖的像素级精细化地平面方程图替换了地平面深度图。我们的方法在广泛认可的路侧摄像头三维检测基准上，相比以往所有单目三维目标检测器展现出显著的性能优势。代码与预训练模型将很快发布。