3D目标检测

3D Object Detection进阶

在三维空间里找出物体，给出类别和带朝向的立体框。

3D 目标检测是 2D 目标检测在三维空间的延伸：输入可以是激光雷达点云、RGB-D 图像，甚至单张彩色图，输出每个物体的类别和一个三维包围框，通常用中心坐标、长宽高和朝向角描述。2D 框只说明物体占了画面哪块像素，机器人要抓取、避障、导航，需要的是物体在真实空间里的位置、大小和朝向。自动驾驶是主要推动者，经典基准 KITTI 有 7481 张训练图及对应点云，评测车、行人、骑车人三类，车的 3D 框交并比（IoU）要达到 0.7 才算检对。面向室内和通用场景的有 Omni3D 基准（23.4 万张图、98 类）及配套的 Cube R-CNN 模型。它常和 6D 位姿估计对照：后者更精细，要给出物体完整的三维旋转。