Monocular 3D Object Detection for Autonomous Driving 论文总结

《Monocular 3D Object Detection for Autonomous Driving》是在CVPR2016上发表的文章。

文章概览

首先用两段话总结一下这篇文章。

• 该方法将单目中的3D物体检测问题看作两步完成：
  • 首先该方法提出了一个生成一组类相关的物体推荐候选框的方法。
  • 然后利用一个CNN网络利用这组候选框提取出高质量的3D物体检测框。
• 在物体推荐框提取的方法中，作者利用物体与地平面接触的约束条件，提出了一种能量值最小的方法提取3D候选物体框。然后作者利用若干手工特征对该物体框进行描述，并用SSVM对其物体框进行初步的打分。最后对较高评分的物体框用CNN进行更精确的回归。

接下来，我们先按照代码的顺序进行工作的阐述（非文章顺序）。

3D物体候选框提取

利用先验信息提出假设

首先作者将三维空间离散化为立体像素边长为0.2m的三维模型，并提出了两个假设

1. 由于KITTI数据集的单目图像拍摄时相机在汽车上固定位置，因此地平面相对于相机的映射关系是固定的，同时作者假设所有图像的相机Y轴（也就是三维空间中的垂直方向）与地面是垂直的，这是在3D物体框提取的时候的一个假设。
2. 另外还有一个假设是，所有的物体底部都与地平面相接。另外还有一个假设是，所有的物体底部都与地平面相接。

3D物体框的采样策略

基于以上的这两个假设，作者基于以下的采样策略来对物体候选框（candidates）进行密集的采集。

1. 限定3D采样框的高度。设相机距离地面的高度$h_{cam}=1.65m$，同时设其他物体的高度为 h c a m = 1.65 m + δ h_{cam} = 1.65m+\delta h