本论文提出了一种基于极坐标系的新型检测模型，可应用于自动驾驶中的 3D 物体检测，该模型利用多视角相机 2D 图像输入，设计了跨注意力的极坐标检测头，通过多尺度极坐标表示学习策略来解决自由变化的物体尺寸，实验表明此模型显著优于现有的 3D 物体检测方法。

Jun, 2022

最近，极坐标表示在感知任务中表现出了有希望的特性。除了分开不均匀地表示点云的笛卡尔方法外，将点云表示为极坐标网格被认为是一个替代方法，因为它在不同分辨率下表现稳健，且对基于流的方法具有优越性。然而，最先进的极坐标检测方法不可避免地遭受特征失真问题，因为极坐标表示被非均匀地划分，导致与笛卡尔方法相比存在不可忽略的性能差距。为了解决这个问题，我们提出了一种新的极坐标三维物体检测器 PARTNER。PARTNER 通过全局表示重新对齐缓解特征失真困境，并通过将实例级几何信息引入检测头来促进回归。大量实验证明，在基于流的检测和不同分辨率方面具有压倒性优势。此外，我们的方法在 Waymo 和 ONCE 验证集上相对于先前的极坐标方法取得了显著优势，分别达到了 3.68% 和 9.15％的竞争性结果。

Aug, 2023

本文提出 TS3D，一种基于 Transformer 的立体感知 3D 物体检测器，其中包括一种新颖的视差位置编码模型（DAPE）和 Stereo Reserving Feature Pyramid Network（SRFPN），使其在 KITTI 测试集上取得了 41.29％的平均精度。

Apr, 2023

本研究介绍了一种基于多视角几何的 3D 物体检测方法 VEDet，通过视点感知和等变性，利用查询式转换器系统将三维场景转化为位置编码来提高目标定位精度，并在损失层面进行多视角一致性规范化，通过丰富的几何线索提高性能以优化现有方法。

Mar, 2023

提出了一种名为 Far3D 的新型稀疏查询框架，通过利用高质量的二维对象先验信息生成三维自适应查询，引入了透视感知聚合模块来高效捕获长距离对象在不同视角和尺度上的区别性特征，并通过范围调制的三维去噪方法解决了长距离任务中查询错误传播和收敛问题，相较于基于 LiDAR 的方法，在覆盖范围 150 米的具有挑战性的 Argoverse 2 数据集上表现出最先进的性能，并且在 nuScenes 数据集上相比之前的方法也展示了更好的性能。

Aug, 2023

本篇论文提出了一种新颖的方法，通过检测消失点和地平线变化来预测摄像机的外部参数，从而解决了自动驾驶中相机外参引起的目标检测精度波动问题，并在 KITTI 3D 和 nuScenes 数据集上取得最好的性能表现。

Jun, 2021

通过提出一个伪立体式的三维检测框架，包括三种新颖的虚拟视图生成方法和基于视差动态卷积的特征滤波，从单张图片中进行三维物体检测，该方法在 KITTI-3D 基准测试中获得了车辆、行人和骑行者三个类别的第一名。

Mar, 2022

本研究提出了一种处理全景图像的深度学习算法，通过样式和投影转换，重新训练和调整现有的算法，从单目全景图像中恢复场景深度和车辆的三维姿态，大大提高了无人驾驶汽车使用全景摄像头时的准确性。

Aug, 2018

使用 DET 框架引入一种高性能的用于点云的 3D 物体检测器，通过引入一种新的 3D 顶点相对位置编码方法，使模型集中于对象附近的点，进一步改进了管道，在 ScanNetV2 基准测试上取得了显著的改进。

Aug, 2023

本研究介绍了一种名为 MonoDETR 的使用深度感知 Transformer 的新型单目三维物体检测框架。通过将物体候选项表示为一组查询，并采用基于注意力的深度编码器生成二维输入图像的非局部深度嵌入，然后提出了一个深度引导的解码器，通过深度交叉关注模块对查询与场景深度特征进行交互，每个物体查询从图像的深度引导区域自适应地估计其三维属性。该系统具有端到端的结构，在 KITTI 基准测试上取得了最新成果，并在广泛的消融研究中证明了该方法的有效性，具有成为未来单目三维物体检测研究的 Transformer 基线的潜力。

Mar, 2022