Stereo R-CNN based 3D Object Detection for Autonomous Driving

[DeepTecher]

Stereo R-CNN based 3D Object Detection for Autonomous Driving

日期：2019-02-26 （CVPR 2019） 团队：香港科技大学

摘要 ： 我们通过充分利用立体图像中的稀疏，密集，语义和几何信息，提出了一种用于自动驾驶的三维物体检测方法。 我们的方法，称为Stereo R-CNN，扩展了更快的R-CNN用于立体声输入，以同时检测和关联左右图像中的对象。 我们在立体声区域提议网络（RPN）之后添加额外分支来预测稀疏关键点，视点和对象维度，这些关键点与2D左右框组合以计算粗略的3D对象边界框。 然后，我们通过使用左右RoI的基于区域的光度对准来恢复精确的3D边界框。 我们的方法不需要深度输入和3D位置监控，但是，优于所有现有的完全监督的基于图像的方法。 在具有挑战性的KITTI数据集上的实验表明，我们的方法在3D检测和3D定位任务上的性能优于最先进的基于立体的方法约30％AP。 代码将公开发布。

[DeepTecher]

解读：知乎|@heryms 文章：Stereo 3D Object Detection

[DeepTecher]

代码已开源：HKUST-Aerial-Robotics/Stereo-RCNN