Stereo Frustums：一种用于 3D 目标检测的 Siamese 流水线
计算机视觉与模式识别
2020-11-22 v2 机器学习
图像与视频处理
摘要
本文提出了一种用于 3D 目标检测的轻量级立体视锥匹配模块。所提出的框架利用高性能的 2D 检测器和点云分割网络，为自动驾驶车辆回归 3D 边界框。该模块不执行传统的立体匹配来计算视差，而是直接将来自左右视图的 2D 提议作为输入。基于从精确标定的立体相机恢复的对极约束，我们提出了四种匹配算法，以在立体图像对之间为每个提议搜索最佳匹配。每个匹配对提出场景的一种分割，随后将其输入 3D 边界框回归网络。在 KITTI 数据集上的大量实验结果表明，所提出的 Siamese 流水线优于最先进的基于立体的 3D 边界框回归方法。
引用
@article{arxiv.2010.14599,
title = {Stereo Frustums: A Siamese Pipeline for 3D Object Detection},
author = {Xi Mo and Usman Sajid and Guanghui Wang},
journal= {arXiv preprint arXiv:2010.14599},
year = {2020}
}
备注
Accepted by Journal of Intelligent & Robotic Systems (JIRS)