qq_52889317的博客

在这个章节中，我们会对三维目标检测方法进行一个系统的对比和分析，并对自动驾驶三维检测展望未来研究方向。在第一节中，我们对各种各样的三维目标检测方法的检测性能和推理速度进行综合性的分析，比如基于激光雷达的、基于相机的、多模态的方法，在我们多年进一步总结研究其趋势的多种数据集上。在第二节，我们提出了在此领域的未来研究方向。

本章紧接上一章内容，讲述第九章的内容：在驾驶系统中的3D目标检测。第九章 驾驶系统中的3D目标检测在本章节中，我们将会介绍驾驶系统中3D目标检测存在的一些严重问题。首先第一节，我们会回顾和分析三维目标检测以端到端方式和其他任务如追踪、策略预测、移动规划、定位一同训练的方法。第二节，我们会介绍为三维目标检测和自动驾驶所设计的仿真系统。第三节，我们会深入调查三维目标检测器和安全意识三维目标检测的鲁棒性话题。第四节，我们会回顾协同三维目标检测相关方法。

这一篇接着（五）的第七章开始讲述第八章的内容。第八章主要介绍的是三维目标检测的高效标签。

第七章 时间3D目标检测在这个章节中主要介绍时间三维目标检测方法。基于数据类型，可以将这些方法分成三类：雷达序列检测、流输入的检测和来自视频的检测。在第一节，我们会回顾采用顺序激光雷达扫描的三维目标检测方法。第二节会介绍采用流数据作为输入的检测方法。第三节我们会研究一种来自视频和多模态时间数据的三维目标检测。

前三篇分别介绍了前四章的内容：本篇是第五篇，介绍的是多模态的3D目标检测方法。第五章 多模态的3D目标检测在这个章节，我们主要介绍的是多模态的三维目标检测方法，其主要是融合了多个传感器输入。根据传感器的类型，我们可以这种方法分为三类：激光雷达和相机、雷达以及基于图融合的方法。我们总共会分三个子章节进行阐述，第一节会回顾和分析激光雷达和相机融合的多模态检测方法，包括基于早期融合方法的，中期融合和后期融合的方法；第二节会研究雷达信号的多模态检测方法；第三节会引入高清地图多模态检测方法。

在这个章节主要介绍一些基于相机的3D目标检测的方法，分别会回顾和分析单目3D目标检测（又分为仅基于图像、深度信息辅助和先验引导的方法）、基于立体图像的3D目标检测和多相机下的3D目标检测方法。

本章主要介绍基于激光雷达的3D目标检测方法，这也是目前最常使用的方法。主要会介绍一些算法的模型（有基于点的、基于网格的、基于点体素的和基于范围的）。之后学习3D目标检测器的学习目标，有基于锚点（anchor）的框架和无锚点的框架以及基于雷达的3D目标检测的辅助任务。首先下图展示了基于激光雷达的目标检测方法时间序列图：可以看到基于网格（Grid）的方法最早在2015年出现，也就是vote3D；接着是基于点（Point）的方法，即PointRCNN和IPOD；

文章地址：[2206.09474] 3D Object Detection for Autonomous Driving: A Comprehensive Survey (arxiv.org)这篇综述简单易懂，非常合适对自动驾驶和3D目标检测感兴趣的小白阅读，对相关算法进行初步理解。