Key points are not available for this paper at this time.
Die Schätzung der 3D-Ausrichtung und -Translation von Objekten ist entscheidend für die infrastrukturlosen autonomen Navigation und das Fahren. Bei monokularer Sicht basieren erfolgreiche Methoden hauptsächlich auf zwei Bestandteilen: (i) einem Netzwerk, das 2D-Regionenvorschläge erzeugt, (ii) einer R-CNN-Struktur, die die 3D-Objektpose vorhersagt, indem sie die erworbenen Interessensregionen nutzt. Wir argumentieren, dass das 2D-Erkennungsnetzwerk redundant ist und nicht unerhebliches Rauschen bei der 3D-Erkennung einführt. Daher schlagen wir in dieser Arbeit eine neuartige 3D-Objekterkennungsmethode vor, die SMOKE genannt wird und für jedes erkannte Objekt eine 3D-Umrahmung vorhersagt, indem sie eine einzelne Schlüsselpunktabschätzung mit regressierten 3D-Variablen kombiniert. Als zweiten Beitrag schlagen wir einen mehrstufigen Entwirrungsansatz zur Konstruktion der 3D-Umrahmung vor, der sowohl die Trainingskonvergenz als auch die Erkennungsgenauigkeit erheblich verbessert. Im Gegensatz zu früheren 3D-Erkennungstechniken erfordert unsere Methode keine komplizierte Vor-/Nachbearbeitung, zusätzliche Daten und eine Verfeinerungsstufe. Trotz ihrer strukturellen Einfachheit übertrifft unser vorgeschlagenes SMOKE-Netzwerk alle bestehenden monokularen 3D-Erkennungsmethoden im KITTI-Datensatz und liefert das beste Ergebnis im aktuellen Stand der Technik sowohl bei der 3D-Objekterkennung als auch bei der Vogelperspektivbewertung. Der Code ist verfügbar unter https://github.com/lzccccc/SMOKE.
Liu et al. (2020) haben diese Frage untersucht.