目标检测中由2D检测矩形框到3D检测框的估计算法、3D检测框绘制
1. 3D Bounding Box Estimation Using Deep Learning and Geometry
1.1 简介
time:2017
提出了一种三维目标检测和姿态估计的方法。与当前只有回归对象的三维方向技术相比,我们的方法首先回归使用深度卷积神经网络相对稳定的三维对象属性,然后结合这些估计与几何约束提供的2维对象边界框产生一个完整的3d边界框。第一个网络输出使用一种新的混合离散-连续损失来估计三维目标方向,它明显优于L2损失。第二个输出回归了三维对象维度,与备选方案相比,它们的方差相对较小,并且通常可以对许多对象类型进行预测。这些估计,结合二维边界框对平移施加的几何约束,使我们能够恢复一个稳定和准确的三维物体姿态。
源码:https://github.com/smallcorgi/3D-Deepbox
论文:https://arxiv.org/pdf/1612.00496.pdf
效果如下: