DSGN是一种由香港大学提出的3D目标检测方法，通过深度学习在三维几何体上进行预测，减少了基于图像和激光雷达方法的性能差距。该网络以端到端的方式联合估计深度和3D对象检测，优于其他立体3D检测器，达到与部分基于LiDAR方法相当的性能。DSGN网络包括2D特征提取、平面扫描体构建、3D对象检测和深度估计四个模块，其创新点在于利用立体对应约束学习三维几何信息。
作者：Tom Hardy
Date：2020-2-17
来源：DSGN：基于深度立体几何网络的3D目标检测（香港大学提出）
原文链接：https://arxiv.org/pdf/2001.03398.pdf
主要思想与创新点
大多数最先进的三维目标检测器严重依赖激光雷达传感器。由于在三维场景中的预测不准确，基于图像的方法与基于激光雷达的方法在性能上仍有很大差距。本文提出了深度立体几何网络（DSGN）的方法，通过在可微的体积表示：三维几何体上检测三维物体，有效地编码了三维规则空间的三维几何结构，显著地减小了这一差距。通过这种表示，可以同时学习深度信息和语义线索。本文首次提供了一个简单有效的基于单级立体的3D检测流水线，它以端到端的学习方式联合估计深度和检测3D对象。该方法优于以前的基于立体的3D检测器（在AP方面大约高出10个），甚至达到了KITTI 3D目标检测排行榜上的几个基于LiDAR方法相当的性能，代码将在后期公开。
本文主要有以下创新点：
- 为了弥补二维
最低0.47元/天 解锁文章
扫一扫
1591
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
