基于 Stereo R-CNN 的自动驾驶三维目标检测
计算机视觉与模式识别
2019-04-11 v2 机器人学
摘要
我们通过充分挖掘立体图像中稀疏与稠密、语义与几何信息，提出一种面向自动驾驶的三维目标检测方法。我们的方法称为 Stereo R-CNN，将 Faster R-CNN 扩展至立体输入，以同时检测并关联左右图像中的物体。我们在立体区域提议网络（RPN）后增加额外分支，预测稀疏关键点、视角与物体尺寸，并将其与左右两图的二维边界框结合计算出粗粒度三维物体包围盒。随后我们利用左右 RoI 基于区域的光度对齐恢复精确的三维包围盒。我们的方法无需深度输入与三维位置监督，却优于所有现有的全监督基于图像的方法。在具挑战性的 KITTI 数据集上的实验表明，我们的方法在三维检测与三维定位任务上以约 30% AP 优于最优的基于立体方法。代码已发布于 https://github.com/HKUST-Aerial-Robotics/Stereo-RCNN。
引用
@article{arxiv.1902.09738,
title = {Stereo R-CNN based 3D Object Detection for Autonomous Driving},
author = {Peiliang Li and Xiaozhi Chen and Shaojie Shen},
journal= {arXiv preprint arXiv:1902.09738},
year = {2019}
}
备注
Accepted by cvpr2019