MVM3Det:一种新颖的多视角单目三维检测方法
计算机视觉与模式识别
2021-09-23 v1
摘要
单目三维目标检测在许多应用场景(如交通监控、行人监控等)中遭遇遮挡问题,导致严重的漏检。多视角目标检测通过结合不同视角的数据有效解决了该问题。然而,由于标签混淆与特征混淆,多视角三维目标检测的方向估计十分困难,而方向估计对目标跟踪与意图预测至关重要。本文提出一种新颖的多视角三维目标检测方法 MVM3Det,其根据多视角单目信息同时估计物体的三维位置与方向。该方法由两部分组成:1) 位置提议网络,通过特征正交变换将不同视角的特征整合为一致的全局特征以估计位置。2) 多分支方向估计网络,引入特征视角池化以克服方向估计中的两类混淆问题。此外,我们提出了首个多视角三维目标检测数据集 MVM3D。在我们的数据集与公开数据集 WildTrack 上对比当前最优(SOTA)方法,我们的方法取得了极具竞争力的结果。
引用
@article{arxiv.2109.10473,
title = {MVM3Det: A Novel Method for Multi-view Monocular 3D Detection},
author = {Li Haoran and Duan Zicheng and Ma Mingjun and Chen Yaran and Li Jiaqi and Zhao Dongbin},
journal= {arXiv preprint arXiv:2109.10473},
year = {2021}
}
备注
7 pages, 3 figures, submitted to ICRA 2022