Key points are not available for this paper at this time.
A detecção de objetos 3D monocular é uma tarefa importante para a condução autônoma, considerando sua vantagem de baixo custo. É muito mais desafiadora do que os casos convencionais em 2D devido à sua propriedade mal posta inerente, que se reflete principalmente na falta de informações de profundidade. Os avanços recentes na detecção em 2D oferecem oportunidades para resolver melhor este problema. No entanto, não é trivial fazer um detector 2D adaptado geral funcionar nesta tarefa 3D. Neste artigo, estudamos esse problema com uma prática baseada em um detector de única etapa totalmente convolucional e propomos uma estrutura geral chamada FCOS3D. Especificamente, primeiro transformamos os alvos 3D de 7 graus de liberdade (DoF) comumente definidos para o domínio da imagem e os desacoplamos como atributos 2D e 3D. Em seguida, os objetos são distribuídos para diferentes níveis de características considerando suas escalas 2D e atribuídos apenas de acordo com o centro 3D projetado para o procedimento de treinamento. Além disso, a
Wang et al. (2021) estudaram essa questão.