單目3D目標檢測之入門（2）

3.發(fā)展情況

Kitti的3D目標檢測排行中，Car類第一的為SFD，Moderate中達到了84.76%，但是Setting中沒有激光點云的符號。排第7的BtcDet使用了該符號，所示直接處理點云的方法至少達到了82%多的AP。

點云和圖像融合的方法，在Car類的Easy和Moderate類中的AP，其實跟直接處理點云方法的AP差別不是很明顯。

雙目或者說是立體視覺3D目標檢測的方法的AP大概在53%左右。

單目3D目標檢測的AP在16%多吧。

（更新時間，2021年11月12日）

如果要查找更加詳細的論文和模型精度、建議直接看KITTI關(guān)于3D目標檢測的榜單：The KITTI Vision Benchmark Suite (cvlibs.net)

這里還有一個純單目3D目標檢測的榜單(包含代碼和論文)：

4. 為什么要做單目的3D目標檢測？

為何最近單目3D目標檢測也成為了一個小熱點領(lǐng)域？起因可能是因為：

• 偽激光雷達技術(shù)的提出（pseudo-LiDAR），利用圖像模擬出雷達點云圖像；

  
  

• 單目深度估計的逐漸發(fā)展；

  
  

• 純點云，圖像2D，多傳感器融合檢測的研究逐漸成熟，或者說快要達到天花板了。

  
  

從傳感這個角度來說，

主動獲取深度信息：如激光雷達、RGB-D相機

• 價格昂貴，有效的距離小，并且線數(shù)再多的激光雷達獲取的點云也是稀疏的，缺乏紋理信息的。況且激光雷達貴，一輛自動駕駛汽車裝幾個激光雷達、后期怎么維護保養(yǎng)，工業(yè)界最看重的是成本問題！！

  
  

再說說雙目相機：

• 誤差較大，要求時間同步，體積較大（基線安裝有要求，如果壞了一個，那就等于報廢）

  
  

再說說單目相機：

• 價格親民

  
  

• 體積小，功耗低；

  
  

• 貼近實際應(yīng)用需求。

  
  

并且，單目3D目標檢測也不一定只能用于自動駕駛呀！只要設(shè)備上有攝像頭，有3D檢測的任務(wù)。

這里推薦大家一個單目深度估計的小應(yīng)用場景：https://roxanneluo.github.io/Consistent-Video-Depth-Estimation/；單目3D檢測最重要的一環(huán)就是單目深度估計，而單目深度估計在AR領(lǐng)域是廣泛應(yīng)用滴。

比如AR虛擬試衣間，或者京東淘寶上的一些AR試鞋，你拿手機攝像頭對著自己腳，鞋自動覆蓋到你腳上，這一塊用到的應(yīng)該是目標檢測或者語義分割吧。

二、應(yīng)用場景

推薦點擊在線試鞋，體驗一下AR技術(shù)吧。

單目3D目標檢測的具體應(yīng)用。我隨后會單獨整理在一篇博客中。

三、相關(guān)論文

3D目標檢測綜述：

• Deep Learning for 3D Point Clouds: A Survey----2020年

  
  

• 3D Object Detection for Autonomous Driving: A Survey—2021年

  
  

更多的文獻可查看知乎上的這篇文章：單目3D視覺目標檢測論文總結(jié) - 知乎 (zhihu.com)，總結(jié)了100多篇單目3D目標檢測領(lǐng)域的文章。

本專欄下，我將會持續(xù)不斷的更新我讀的一些論文和代碼運行工作。

1. CaDDN：論文閱讀??代碼調(diào)試

四、相關(guān)數(shù)據(jù)集

這里只列出比較常用的幾個數(shù)據(jù)集的名字。數(shù)據(jù)集的詳細說明在這篇博客中。

• KITTI Dataset

  
  

• Waymo Open

  
  

• NuScenes Dataset

  
  

• Cityscapes

  
  

• Lyft L5

  
  

• H3D

  
  

• Applloscape

  
  

• Argoverse

五、自動駕駛領(lǐng)域的相關(guān)企業(yè)

百度華為地平線，小鵬蔚來特斯拉。還挺押韻滴！

國外：Waymo、Cruise、Nuro、Argo；

國內(nèi)：百度、華為、AutoX、圖森未來、Pony（小馬智行）、Weride（文遠知行）、Didi（滴滴）、Momenta、縱目科技、智加科技、小鵬、蔚來、理想、嬴徹科技、魔視智能。

每個公司詳細介紹：

國內(nèi)：百度、華為、AutoX、圖森未來、Pony（小馬智行）、Weride（文遠知行）、Didi（滴滴）、Momenta、縱目科技、智加科技、小鵬、蔚來、理想、嬴徹科技、魔視智能。

每個公司詳細介紹，我將單獨整理在一篇博客中，包括公司的背景、薪資情況、主要發(fā)展方向。

版權(quán)聲明：本文為CSDN博主「hello689」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。

原文鏈接：

https://blog.csdn.net/jiachang98/article/details/121432839