20190715-李颖-Triangulation Learning Network

20190715-李颖-Triangulation Learning Network

Triangulation Learning Network: from Monocular to Stereo 3D Object Detection，三角测量学习网络：从单目到立体图像的3D对象检测。这篇论文是清华大学和微软亚洲研究院发表在CVPR2019的论文，作者为Zengyi Qin，Jinglu Wang，Jinglu Wang等人。所提出的网络在KITTI数据集上的3D对象检测和定位方面优于现有技术水平。
论文地址：https://arxiv.org/abs/1906.01193

1、Introduction

根据目标检测需要输出结果的不同，一般将使用RGB图像进行目标检测，输出物体类别和在图像上的最小包围框（Bounding box）的方式称为2D目标检测，而将使用RGB图像、RGB-D深度图像和激光点云，输出物体类别及在三维空间中的长宽高、旋转角等信息的检测称为3D目标检测。

虽然研究者们已经对基于深度学习的立体匹配进行了大量的工作，但他们主要关注的是像素级而不是对象级。在本文中，通过适当地放置3D锚点并将区域提议网络（RPN）扩展到3D，可以仅使用单目图像获得不错的结果。

提出立体三角测量学习网络（TLNet）的立体图像三维物体检测，无需计算像素级深度图，就可以很容易地集成到基础单目检测器中。这一工作的关键思想是使用3D锚箱在一对立体图像上构建其二投影的对象级几何对应，网络从中学习三角测量锚附近的目标对象。引入了一种有效的特征重新加权策略，通过测量左右一致性来增强信息特征通道。首先提出了一个基础单目3D检测器，如图1所示：

图1.基础3D检测器概述
基础3D检测网络用蓝色背景表示，并且可以通过复制基线进一步与提出的TLNet集成，从而容易地扩展到双目输入。

总之，论文贡献主要在三个方面：

1. 一种可靠的基础3D检测器，仅以单目图像作为输入，具有与目前最先进的立体检测器相当的性能。
2. 三角测量学习网络，利用立体图像的几何相关性定位目标3D对象，表现优于基础模型。
3. 一种功能重新加权策略，可增强特定视图的RoI功