论文地址：https://arxiv.org/abs/1812.07179 代码：https://github.com/mileyan/pseudo_lidar.git 来源：康奈尔大学 论文名称：Pseudo-LiDAR from Visual Depth Estimation:Bridging the Gap in 3DObject Detection for Autonomous Driving 原文作者：Yan Wang
3D目标检测算法是自动驾驶领域的核心技术。对于精确并且昂贵的激光点云数据来说当前的3D检测算法具有很高的检测精度。然而到目前为止，使用廉价的单目相机或者立体相机数据的检测算法仍然很难达到较高的精度，出现这种差距的主要原因是基于图像数据算法在深度估计上存在较大的误差。然而，在这篇论文中，认为造成这种差异的主要原因不是数据的质量，而是数据的表现形式。考虑到卷积神经网络的内部工作原理，建议将基于图像的深度映射转换为伪像素表示——本质上是模拟激光雷达信号。基于这种转换我们可以应用当前已有的一些基于激光的目标检测算法。经过在当前广泛应用的Kitti数据机上进行测试，本文算法有效的改进了当前最好的基于图像的3D目标检测算法，并且在30m的检测范围内，检测精度从过去的22%，提升到74%。算法提交时本文算法在kitti的基于立体图像的3D目标检测排行榜排名第一。
下面是论文具体框架结构以及实验结果：
声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。
