自动驾驶用基于地面的单目三维物体检测

Feb, 2021

自动驾驶用基于地面的单目三维物体检测

Ground-aware Monocular 3D Object Detection for Autonomous Driving

Yuxuan Liu, Yuan Yixuan, Ming Liu

TL;DR通过研究路面对 3D 检测提供的额外信息，提出了一种嵌入式神经网络，能够充分利用这些应用程序特定的先验知识，从而实现使用单个 RGB 摄像机确定环境中对象的位置和方向的三维目标检测。

Abstract

Estimating the 3D position and orientation of objects in the environment with a single rgb camera is a critical and challenging task for low-cost urban autonomous driving and mobile robots. Most of the existing a

3d object detection rgb camera neural network depth reasoning mobile robots

发现论文，激发创造

通过嵌入颜色的三维重建实现精确的单目物体检测，用于自动驾驶

本文提出了一种自动驾驶中单目三维物体检测框架，着重解决了二维图像数据的不足，通过将输入数据从二维图像平面转换为三维点云空间进行处理，并使用 PointNet 网络进行三维检测，以提高点云的辨别能力，同时利用多模态融合模块将 RGB 颜色信息融入点云表示，证明了在三维空间中推断三维包围盒比在二维图像平面中更加有效，经过在 KITTI 数据集上的评估，该方法的表现超过现有最新的单目方法。

Mar, 2019

AutoShape：实时形状感知单目三维物体检测

该研究提出了一种基于深度神经网络和形态感知的三维目标检测方法，利用二维关键点和对应的三维坐标以及二维 / 三维的几何约束提高检测性能，并在公共数据集 KITTI 上实现了最新的性能。

Aug, 2021

MonoGround: 从地面上检测单目三维物体

本文提出采用地面平面作为额外的几何条件来解决单目视觉下深度估计不准确的问题，同时采用深度校准和精确的两阶段深度推断方法，这种方法不需要额外的数据来源，能够在 KITTI 基准测试中取得最佳的结果，并保持非常快的速度。

Jun, 2022

MonoGAE：具有地面感知的路边单目 3D 物体检测

该研究提出了一种新的基于智能路边摄像头的道路单目三维物体检测框架 MonoGAE，通过使用地面感知嵌入和交叉注意机制将地面几何信息与图像特征相结合，从而提高自主驾驶系统对道路场景的感知精度。

Sep, 2023

利用投影建模学习基于几何引导的深度，实现单目三维物体检测

本篇研究提出一种基于几何建模的投影模型方法，用于改进单目三维物体检测中的深度估计问题，实验证明该方法使得检测性能得到了显著提升。

Jul, 2021

空中单目三维物体检测

通过双视图检测系统 DVDET，提出了一种基于地理变形的训练模块，实现了 2D 图像空间和 3D 物理空间的空中单目物体检测，并利用新的数据集 AM3D，证明了模型的可行性及性能。

Aug, 2022

M3D-RPN: 单目三维区域建议网络用于目标检测

本研究提出了一种基于几何关系的 monocular 三维物体检测方法，通过单独的三维区域建议网络和深度感知卷积层，能够有效地改善基于图像的三维物体检测在自动驾驶领域中的表现。在 KITTI 数据集上，与其他之前的方法相比，M3D-RPN 方法在单眼三维物体检测和俯视图检测任务中都表现出显著的性能提升。

Jul, 2019

RTM3D：自动驾驶中利用物体关键点进行单目实时三维检测

该论文提出了一种高效准确的单目三维检测框架，通过预测图像空间中的九个三维边界框透视关键点，利用三维和二维透视的几何关系恢复三维空间中的物体属性，无需外部网络或监督数据，实现基于单目图像的实时三维检测。

Jan, 2020

用于自动驾驶的可扩展基于视觉的三维物体检测与单目深度估计

这篇论文通过引入结构增强、数据驱动策略和自主驾驶环境下的无监督深度估计，为自主驾驶应用中基于视觉的 3D 感知技术的广泛应用打下了坚实基础。

Mar, 2024

使用几何约束嵌入和半监督训练的单目 3D 检测

KM3D-Net 提出了一种基于 RGB 图像和关键点的单次检测框架，通过结合完全卷积模型、几何约束和不依赖 CAD 模型、深度生成器，以及一种有效的半监督训练策略，实现了卓越的检测表现，并超过以前所有的最先进方法。

Sep, 2020