基于单目伪激光雷达的自监督三维目标检测
计算机视觉与模式识别
2022-09-21 v1
摘要
已有研究尝试通过融合立体相机图像与 LiDAR 传感器数据，或利用 LiDAR 进行预训练而仅用单目图像测试来检测三维目标，但由于精度较低，仅使用单目图像序列的尝试较少。此外，仅用单目图像进行深度预测时只能得到尺度不一致的深度，这也是研究者不愿单独使用单目图像的原因。因此，我们提出一种仅使用单目图像序列预测绝对深度并检测三维目标的方法，通过使检测网络与深度预测网络端到端学习得以实现。结果表明，所提方法在 KITTI 3D 数据集上的性能超越其他现有方法。即便在训练中尝试结合单目图像与三维 LiDAR 以提升性能，我们的方法在使用相同输入的其他方法中仍表现最佳。此外，端到端学习不仅提升了深度预测性能，还实现了绝对深度预测，因为我们的网络利用了汽车等三维目标尺寸由近似大小决定的事实。
引用
@article{arxiv.2209.09486,
title = {Self-supervised 3D Object Detection from Monocular Pseudo-LiDAR},
author = {Curie Kim and Ue-Hwan Kim and Jong-Hwan Kim},
journal= {arXiv preprint arXiv:2209.09486},
year = {2022}
}
备注
Accepted for the 2022 IEEE International Conference on Multisensor Fusion and Integration (MFI 2022)