三角测量学习网络：从单目到立体三维目标检测
计算机视觉与模式识别
2019-06-05 v1
摘要
本文研究基于立体图像的三维目标检测问题，其核心挑战在于如何有效利用立体信息。与以往使用像素级深度图的方法不同，我们提出采用三维锚框在立体图像的兴趣区域之间显式构建目标级对应关系，深度神经网络由此学习在三维空间中检测并三角测量目标物体。我们还引入了一种高效的通道重加权策略，以增强表征特征并削弱噪声信号，从而促进学习过程。所有这些都被灵活地集成到一个使用单目图像的稳健基线检测器中。我们证明，在具有挑战性的 KITTI 数据集上，该单目基线和立体三角测量学习网络在三维目标检测与定位方面均优于先前的最优方法。
引用
@article{arxiv.1906.01193,
title = {Triangulation Learning Network: from Monocular to Stereo 3D Object Detection},
author = {Zengyi Qin and Jinglu Wang and Yan Lu},
journal= {arXiv preprint arXiv:1906.01193},
year = {2019}
}
备注
9 pages, accepted by CVPR 2019