面向单目三维目标检测的目标感知质心投票
计算机视觉与模式识别
2020-07-21 v1
摘要
单目三维目标检测旨在从单个相机中检测三维物理世界中的物体。然而,近期的方法要么依赖昂贵的 LiDAR 设备,要么诉诸于稠密逐像素深度估计,导致高昂的计算成本。本文提出一种端到端可训练的单目三维目标检测器,无需学习稠密深度。具体而言,首先利用针孔模型将二维框的网格坐标反投影到三维空间,作为三维质心候选。然后,引入一种新颖的目标感知投票方法,该方法同时考虑区域级外观注意力与几何投影分布,对三维质心候选进行投票以实现三维目标定位。通过后期融合以及预测的的三维朝向与尺寸,可从单张 RGB 图像中检测出物体的三维边界框。该方法简洁明了,却显著优于其他基于单目的方法。在具有挑战性的 KITTI 基准上的大量实验结果验证了所提方法的有效性。
引用
@article{arxiv.2007.09836,
title = {Object-Aware Centroid Voting for Monocular 3D Object Detection},
author = {Wentao Bao and Qi Yu and Yu Kong},
journal= {arXiv preprint arXiv:2007.09836},
year = {2020}
}
备注
IROS 2020 Accepted Paper