【3D目标检测】《Orthographic Feature Transform for Monocular 3D Object Detection》论文阅读笔记

https://arxiv.org/pdf/1811.08188.pdf

目录

1.摘要

2.介绍

3.相关工作

4.3D目标检测框架（将更新）

5.性能结果（将更新）

 

---

1.摘要

        单目3D检测是比较有挑战的任务，领先系统的性能尚未达到基于激光雷达的同类系统的10%。有人认为是基于透视图像的表示，物体的外观和尺寸随深度而剧烈变化，很难推断出有意义的距离。作者认为感知3D世界是3D检测的基本能力。（否定前面其他人的猜想）

        提出一种orthographic feature transform（正交特征变换），可以将图像的特征映射到正交3D空间。在KITTI 3D object benchmark数据集上取得了当时的SOTA。

2.介绍

        预测、避障和路径规划都依赖于场景中其他实体的3D位置和尺寸的鲁棒估计。较多方法采用丰富的Lidar点云信息，基于图片的方法落后很多。本文提出一种新颖的方法，通过单目图像就能生成高质量的3D检测框。

        单目3D系统的难点：透视投影意味着单个物体的比例随着距离相机的距离而显著变化；其外观可以根据视点而急剧改变；并且不能直接推断3D世界中的距离。

        提出正交特征变换（OFT）：将从透视RGB图像中提取的一组特征映射到正交鸟瞰特征图的可微变换。

主要贡献：

（1）提出正交特征变换（OFT）

（