![](https://img-blog.csdnimg.cn/39b570f1e74841599f0f1d55dd581552.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
单目3D目标检测
文章平均质量分 97
本专栏分享“单目3D目标检测”,包括【论文解读】、【模型训练】、【模型推理】、【模型改进】等系列。模型包括:SMOKE、MonoDLE、MonoCon、MonoFlex、MonoEF、MonoDistillI、GUPNet、DEVIANT等。
一颗小树x
计算机专业,某车企的算法工程师;曾获华为云-云享专家,华为云-云创 首席贡献官,阿里云-专家博主等荣誉。PS:需要开通ChatGPT4.0、ChatGPT Plus的,欢迎私信我哈~
展开
-
单目3D目标检测 方法综述——直接回归方法、基于深度信息方法、基于点云信息方法
本文综合整理单目3D目标检测的方法模型,包括:基于几何约束的直接回归方法,基于深度信息的方法,基于点云信息的方法。万字长文,慢慢阅读~ 直接回归方法涉及到模型包括:MonoCon、MonoDLE、MonoFlex、CUPNet、SMOKE等。基于深度信息的方法涉及到模型包括:MF3D、MonoGRNet、D4LCN、MonoPSR等。基于点云信息的方法涉及到模型包括:Pseudolidar、DD3D、CaDDN、MonoDTR等。原创 2023-10-26 00:26:07 · 3723 阅读 · 2 评论 -
【论文解读】单目3D目标检测 LPCG(ECCV 2022)
LPCG是一种用激光点云指导-单目3D目标检测的方法,通过点云数据生成海量粗略的3D标签,生成过程中不用对点云进行标注;降低3D标签的成本。同时这些海量“粗略的3D标签”位置是准确的,只是尺寸和朝向有些偏差;所以如何通过点云数据,直接生成粗略的3D标签是LPCG论文亮点。用这些海量“粗略的3D标签”,作为伪标签指导单目3D目标检测训练。这种方法可以应用到各种单目3D目标检测模型中,模型精度提升大,太强了~原创 2023-10-29 19:42:21 · 409 阅读 · 0 评论 -
【论文解读】单目3D目标检测 MonoCon(AAAI2022)
MonoCon是一个延续CenterNet框架的单目3d检测器,在不依赖dcn的情况下获得了较好的性能,并且融入了辅助学习,提升模型性能。曾经在Kitti 单目3D目标检测上,霸榜了一段时间。MonoCon和MonoDLE很像,在它基础上添加了一些辅助分支检测头,促进网络学习特征的能力。MonoCon = MonoDLE + 辅助学习辅助学习:训练阶段增加一些网络分支,对其计算loss项,而在推理阶段完全忽略掉它们,以期得到更好的特征表示。原创 2023-10-14 18:17:32 · 1324 阅读 · 0 评论 -
【论文解读】单目3D目标检测 MonoDLE(CVPR2021)
MonoDLE作为一个延续CenterNet框架的单目3d检测器,在不依赖dcn的情况下获得了较好的性能,可以作为baseline。论文核心观点,主要包括为三点:2d box中心点与投影下来的3d box中心点,存在不可忽视的差异,优先使用3d box投影下来的中心点。较远目标,会带偏模型训练;在训练时,可以过滤这些过远的物体标签。提出了一种面向 3D IoU 的损失,用于对象的大小估计,不受“定位误差”的影响。原创 2023-10-13 01:16:35 · 1545 阅读 · 0 评论 -
【论文解读】单目3D目标检测 MonoFlex(CVPR 2021)
MonoFlex是一种端到端单阶段的单目3D目标检测方法,它优化了被截断物体的3D检测,同时优化了中心点的深度估计,检测速度也比较快。原创 2023-10-24 01:13:11 · 1142 阅读 · 0 评论 -
【论文解读】单目3D目标检测 DD3D(ICCV 2021)
DD3D是一种端到端单阶段的单目3D目标检测方法,它在训练时用到了点云数据,监督深度图的生成,共享预测深度的特征提取层;推理时不用点云数据了,只需图像数据和相机内参,即可完成3D框的信息预测。这是预训练和共享权重的思路。原创 2023-10-20 01:46:26 · 974 阅读 · 0 评论 -
【论文解读】单目3D目标检测 CUPNet(ICCV 2021)
CUPNet是基于几何约束和回归方式输出3D框信息,在不依赖dcn的情况下获得了较好的性能。它也是一款两阶段的单目3d检测器,先回归2D框信息,在ROI区域进一步提取特征,生成3D框信息。本文分享单目3D目标检测,CUPNet 模型的论文解读,了解它的设计思路,论文核心观点,模型结构,以及效果和性能。原创 2023-10-17 01:42:45 · 459 阅读 · 0 评论 -
【论文解读】SMOKE 单目相机 3D目标检测(CVPR2020)
前言SMOKE是一种用于自动驾驶的实时单目 3D 物体检测器。为什么会注意这边文章呢?是因为这两天发布的百度Apollo 7.0的摄像头障碍物感知,也是基于这个模型改进的;于是令我产生了一些兴趣。论文名称:SMOKE: Single-Stage Monocular 3D Object Detection via Keypoint Estimation论文地址:https://arxiv.org/pdf/2002.10111.pdf开源地址:https://github.com/lzccc..原创 2022-01-15 14:11:14 · 1866 阅读 · 0 评论 -
单目3D目标检测——SMOKE 环境搭建|模型训练
本文分享SMOKE最新的版本的环境搭建,以及模型训练;环境关键库版本:pytorch 1.12.0、CUDA 11.3、cudnn 8.3.2、python 3.7、DCNv2。原创 2023-09-25 01:36:58 · 2065 阅读 · 9 评论 -
单目3D目标检测——SMOKE 模型推理 | 可视化结果
本文分享SMOKE的模型推理,和可视化结果。以kitti数据集为例子,对训练完的模型进行推理,并可视化3D框的结果,画到图像中。原创 2023-10-09 20:11:16 · 1244 阅读 · 1 评论 -
单目3D目标检测——MonoDLE 模型训练 | 模型推理
本文分享 MonoDLE 的模型训练、模型推理、可视化3D检测结果。原创 2023-10-15 23:17:49 · 1600 阅读 · 2 评论 -
单目3D目标检测——MonoCon 模型训练 | 模型推理
本文分享 MonoCon 的模型训练、模型推理、可视化3D检测结果、以及可视化BEV效果。原创 2023-10-15 03:33:25 · 1050 阅读 · 13 评论 -
3D目标检测框架 MMDetection3D环境搭建 docker篇
本文介绍如何搭建3D目标检测框架,使用docker快速搭建MMDetection3D的开发环境,实现视觉3D目标检测、点云3D目标检测、多模态3D目标检测等等。需要大家提前安装好docker,并且docker版本>= 19.03。原创 2023-09-16 00:19:35 · 1449 阅读 · 1 评论 -
3D检测数据集 DAIR-V2X-V 转为Kitti格式 | 可视化
本文分享在DAIR-V2X-V数据集中,将标签转为Kitti格式,并可视化3D检测效果。原创 2023-11-08 17:52:25 · 2169 阅读 · 9 评论 -
3D目标检测数据集 DAIR-V2X-V
本文分享国内场景3D目标检测,公开数据集 DAIR-V2X-V(也称为DAIR-V2X车端)。DAIR-V2X车端3D检测数据集是一个大规模车端多模态数据集,包括:22325帧图像数据、22325帧点云数据、2D&3D标注。基于该数据集,可以进行车端3D目标检测任务研究,例如单目3D检测、点云3D检测和多模态3D检测。原创 2023-10-11 01:52:27 · 1425 阅读 · 0 评论 -
3D目标检测数据集 KITTI(标签格式解析、3D框可视化、点云转图像、BEV鸟瞰图)
本文介绍在3D目标检测中,理解和使用KITTI 数据集,包括KITTI 的基本情况、下载数据集、标签格式解析、3D框可视化、点云转图像、画BEV鸟瞰图等,并配有实现代码。1、KITTI数据集3D框可视化2、KITTI 3D数据集3、下载数据集4、标签格式5、标定参数解析6、点云数据-->投影到图像7、图像数据-->投影到点云8、可视化图像2D结果、3D结果9、点云3D结果-->图像BEV鸟瞰图结果(坐标系转换)10、绘制BEV鸟瞰图11、BEV鸟瞰图画原创 2023-09-09 15:47:33 · 16187 阅读 · 23 评论