论文：基于关键点的单目3D目标检测
2020-09-09 15:06
学术头条
关注
ResNet18 作为 backbone 的时候速度最快，精度已经超过大多数甚至某些双目方法，但仍弱于 M3D－RPN（目前不利用其它训练数据最好的网络），当采用 DLA－34 时速度仍然比别的方法快，而且精度超过 M3D－RPN。
消融实验
对维度、方向、距离和关键点偏移四个可选项进行了消融实验，四个可选项全部使用时得到了最高的准确率。
分析了关键点FPN的作用，
同时发现 3D 反向投影的 2D 结果要优于直接对 2D 进行预测。
结论
本文提出了一种用于自动驾驶场景的单眼 3D 目标检测方法。将 3D 检测作为关键点检测问题，并展示了如何通过使用关键点和几何约束来恢复 3D 边界框。本文提出的用于 3D 检测的点检测网络，可以仅使用图像输出 3D 框的关键点和对象的其他先验信息生成稳定且准确的 3D 边界框，而无需包含独立网络和增加额外标注数据，同时可实现实时运行速度。
分享
声明：
本文由入驻维科号的作者撰写，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。
最新活动更多
-
11月28日立即报名>>> 2024工程师系列—工业电子技术在线会议
-
12月19日立即报名>> 【线下会议】OFweek 2024（第九届）物联网产业大会
-
即日-12.26火热报名中>> OFweek2024中国智造CIO在线峰会
-
即日-2025.8.1立即下载>> 《2024智能制造产业高端化、智能化、绿色化发展蓝皮书》
-
精彩回顾立即查看>> 2024 智能家居出海论坛
-
精彩回顾立即查看>> 【在线会议】多物理场仿真助跑新能源汽车
推荐专题
-
10 中国AI的“六便士”时刻
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论