提出了一种基于稀疏和稠密、语义和几何信息的 3D 目标检测方法，名为 Stereo R-CNN，在自动驾驶领域表现优异，无需 3D 位置监督，与现有的基于图像的全监督方法相比，性能更好，实验表明在 KITTI 数据集上，其在 3D 检测和 3D 定位任务中超过现有的基于立体视觉的方法约 30% 的 AP。

Feb, 2019

该研究论文提出了在自动驾驶感知系统中进行 3D 检测和跟踪的两个基本任务，并引入了两个辅助训练任务（时间实例去噪和质量估计）以及提出了解耦的注意力机制来进行结构上的改进，从而显著提高了检测性能。此外，我们还使用一种直接的方法将检测器扩展为跟踪器，在推断过程中分配实例 ID，进一步突显了基于查询的算法的优势。在 nuScenes 基准测试上进行了大量实验，验证了所提出改进的有效性。在以 ResNet50 为主干网络的情况下，我们观察到 mAP、NDS 和 AMOTA 分别提高了 3.0％、2.2％和 7.6％，分别达到了 46.9％、56.1％和 49.0％。我们的最佳模型在 nuScenes 测试集上达到了 71.9％的 NDS 和 67.7％的 AMOTA。代码将在 https://github.com/linxuewu/Sparse4D 上发布。

Nov, 2023

提出了一种基于多摄像头的 3D 对象检测框架，使用基于上下文注意力的网络，直接在 3D 空间中进行边界框的预测，实现了全球最佳性能。

Oct, 2021

该论文提出了一种基于终端到终端的 CNN 模型，其使用稀疏的分布估计方案 —— 定向稀疏采样，并对模型进行了场景自适应优化，具有实时评估率和较高的精度，尤其针对细粒度对象具有更大的 regions-of-interest 集合。

Mar, 2017

该论文研究了自动驾驶场景下高精度的 3D 物体检测问题。其提出了 Multi-View 3D networks（MV3D）框架，该框架采用多传感器融合技术，将 LIDAR 点云和 RGB 图像作为输入，并预测有方向的 3D 界限框。实验表明，该方法在 3D 定位和 3D 检测任务方面的表现优于现有技术约 25％和 30％，在 2D 检测中也表现出显著的技术优势。

Nov, 2016

文章提出了一种基于卷积神经网络的稀疏数据三维物体检测方法，称为 Generative Sparse Detection Network (GSDN)，该方法将稀疏的数据集扩展成支持物体检测的密集数据，该方法在三个 3D 室内数据集上进行验证，取得了 7.14% 的相对改进，而且比最佳前期工作快了 3.78 倍。

Jun, 2020

本研究提出 SRT3D，一种基于稀疏区域的方法，利用预先呈现的稀疏视点模型和基于新的牛顿优化方法的后验概率，实现纹理极少物体在场景中的快速而准确的运动跟踪。

Oct, 2021

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

本文提出了两种动态设计来改进 Sparse R-CNN，第一种是基于最优传输算法的动态标签分配，第二种是动态提案生成，实验结果表明我们的方法使目标检测达到了最新的表现。

May, 2022

在自动驾驶系统中，使用新的 LiDAR 可以实现更大的检测范围，但需要更高效准确的检测模型，因此提出了 Range Sparse Net (RSN)，使用稀疏卷积在所选的前景点上检测物体，并综合范围图像特征提高检测准确性，RSN 在 WOD 数据集上可以较快地运行，同时比先前发布的检测器更准确。

Jun, 2021