SoK：面向深度旋转估计的车辆朝向表示方法
计算机视觉与模式识别
2021-12-14 v2
摘要
近年来，用于三维车辆目标检测的深度学习模型大量涌现。然而，朝向预测却鲜受关注。现有研究工作为深度学习提出了多种车辆朝向表示方法，但尚未有全面、系统性的综述。通过实验，我们使用 KITTI 三维目标检测数据集对多种现有朝向表示的精度性能进行了分类和比较，并提出了一种新的朝向表示形式：Tricosine。其中，基于二维笛卡尔坐标的表示（即 Single Bin）取得了最高精度，而额外的通道化输入（位置编码和深度图）并未提升预测性能。我们的代码已在 GitHub 上发布：https://github.com/umd-fire-coml/KITTI-orientation-learning
引用
@article{arxiv.2112.04421,
title = {SoK: Vehicle Orientation Representations for Deep Rotation Estimation},
author = {Huahong Tu and Siyuan Peng and Vladimir Leung and Richard Gao},
journal= {arXiv preprint arXiv:2112.04421},
year = {2021}
}