单目3D车辆检测全流程实战分享-附完整代码

完整的项目代码在这里哦～

基于M3D-RPN实现单目3D检测 - 飞桨AI Studio

1. 项目说明

  当前，3D 检测作为核心技术点，在机器人、增强现实等场景下应用广泛，发挥着至关重要的作用。传统依赖激光雷达的 3D 检测方法存在传感器昂贵难以部署，点云缺失纹理信息，分辨率低等诸多问题。

  针对于此，开发单目 3D 检测模型，有效的利用图像相对于点云的种种优势，可以降低产业落地门槛，更广泛简单的部署到实际应用场景中。

  单目的 3D 目标检测近几年一直是研究的热点，虽然往算法中添加先验知识，能够一定程度的提升准确率，但是也增加了获取标签的难度和算法设计的复杂性。

 图 1 - 单目 3D 检测示例

欢迎扫码获取视频课程讲解，加入单目3D检测技术交流群，欢迎志同道合的同学：

方案难点：

• 深度信息缺失，由 2D 图像预测 3D 位置困难
• 相机传感器敏感，受环境影响（夜晚、雨天）等较大
• 图像层面，遮挡、截断等问题严重影响感知精度

2. 安装说明

2.1 环境要求

• Python >= 3.6
• paddlepaddle >= 2.0.2
• cuda >= 9
• boost 库
• 常见 Python 库

In [ ]

# 安装库
! pip install shapely

2.2 解压数据及代码

项目代码在 M3D-RPN-2.0.tar 文件中，数据集在 kitti.tar 文件中，解压到合适路径即可使用。

In [ ]

# 如果希望解压到其他目录
# 可选择其他路径（默认 /home/aistudio ）
! tar xf ~/data/data141443/kitti.tar
! unzip -qo ~/data/data141443/M3D-RPN-2.0.zip
! rm -rf __MACOSX

2.3 安装依赖

In [ ]

# 删除已有软连接
! rm -rf ~/M3D-RPN-2.0/dataset/kitti_split1/training
! rm -rf ~/M3D-RPN-2.0/dataset/kitti_split1/validation

In [ ]

%cd ~/M3D-RPN-2.0/
! python dataset/kitti_split1/setup_split.py
! sh dataset/kitti_split1/devkit/cpp/build.sh
! cd lib/nms