3.2 基于引导和表面(GS)的3D车辆检测算法
本方法也是先计算2D检测结果,通过一些先验知识结合学习算法计算3D检测边界框的尺寸和方位[2]。...图7: 实现残差尺寸预测的网络结构
网络的输入为变换的车辆表面和2D框图像上下文特征;输出为真实3D框坐标与预估坐标的差值,公式如下:
?...第二步,采用Fast-RCNN类似的框架,对候选3D框判别和回归,选择正确的3D边界框。
?...输出为六元组[∆u, ∆w, ∆u’, ∆w’, ∆v, ∆h]。其中∆u, ∆w, ∆u’, ∆w’为左右视图中目标2D框的横坐标与锚点(anchor box)的偏差。...类似于六元组[∆u, ∆w, ∆u’, ∆w’, ∆v, ∆h],采用左右视图的特征拼接,经过2个全连接卷积得到3个全归目标:物体的类别, 立体框六元组,物体的尺寸,相对视角α。