We introduce a framework for multi-camera 3D object detection. In contrast to existing works, which estimate 3D bounding boxes directly from monocular images or use depth prediction networks to generate input for 3D object detection from 2D information, our method manipulates predictions directly in 3D space. Our architecture extracts 2D features from multiple camera images and then uses a sparse set of 3D object queries to index into these 2D features, linking 3D positions to multi-view images using camera transformation matrices. Finally, our model makes a bounding box prediction per object query, using a set-to-set loss to measure the discrepancy between the ground-truth and the prediction. This top-down approach outperforms its bottom-up counterpart in which object bounding box prediction follows per-pixel depth estimation, since it does not suffer from the compounding error introduced by a depth prediction model. Moreover, our method does not require post-processing such as non-maximum suppression, dramatically improving inference speed. We achieve state-of-the-art performance on the nuScenes autonomous driving benchmark.


翻译:我们引入了多相机 3D 对象探测框架。 与现有工程相比, 3D 框直接从单镜图像中估算, 或利用深度预测网络从 2D 信息中生成3D 对象探测输入数据, 我们的方法直接在 3D 空间中操纵预测。 我们的建筑从多个相机图像中提取 2D 特性, 然后使用一套稀有的 3D 对象查询来将3D 位置与使用摄像转换矩阵的多视图图像进行索引。 最后, 我们的模型对每个对象查询进行捆绑盒预测, 使用设定到设定的损失来测量地面轨迹与预测之间的差异 。 这种自上而下的方法优于其自下而上对应的方法, 即对象捆绑盒预测遵循了每像素深度估计, 因为它没有受到深度预测模型引入的复合错误的影响 。 此外, 我们的方法不需要后处理, 如非最大抑制, 大幅提高推断速度 。 我们实现了 NScenes 自动驾驶基准的状态性能 。

1
下载
关闭预览

相关内容

3D是英文“Three Dimensions”的简称,中文是指三维、三个维度、三个坐标,即有长、有宽、有高,换句话说,就是立体的,是相对于只有长和宽的平面(2D)而言。
专知会员服务
31+阅读 · 2021年6月12日
【快讯】CVPR2020结果出炉,1470篇上榜, 你的paper中了吗?
重磅!13篇基于Anchor free的目标检测方法
极市平台
4+阅读 · 2019年5月28日
已删除
将门创投
4+阅读 · 2019年5月8日
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
PaperWeekly
7+阅读 · 2019年5月5日
CVPR2019 | Stereo R-CNN 3D 目标检测
极市平台
27+阅读 · 2019年3月10日
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
计算机视觉领域顶会CVPR 2018 接受论文列表
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
Arxiv
0+阅读 · 2021年12月3日
Arxiv
6+阅读 · 2021年11月12日
Arxiv
12+阅读 · 2021年6月21日
Scale-Aware Trident Networks for Object Detection
Arxiv
4+阅读 · 2019年1月7日
Arxiv
7+阅读 · 2018年3月19日
Arxiv
4+阅读 · 2016年12月29日
VIP会员
相关资讯
重磅!13篇基于Anchor free的目标检测方法
极市平台
4+阅读 · 2019年5月28日
已删除
将门创投
4+阅读 · 2019年5月8日
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
PaperWeekly
7+阅读 · 2019年5月5日
CVPR2019 | Stereo R-CNN 3D 目标检测
极市平台
27+阅读 · 2019年3月10日
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
计算机视觉领域顶会CVPR 2018 接受论文列表
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
相关论文
Arxiv
0+阅读 · 2021年12月3日
Arxiv
6+阅读 · 2021年11月12日
Arxiv
12+阅读 · 2021年6月21日
Scale-Aware Trident Networks for Object Detection
Arxiv
4+阅读 · 2019年1月7日
Arxiv
7+阅读 · 2018年3月19日
Arxiv
4+阅读 · 2016年12月29日
Top
微信扫码咨询专知VIP会员