推荐pbreit · 2019-04
“go read some third party research on how cameras might actually be better.”
让人去读第三方研究,称摄像头可能比 LiDAR 更好
把图像深度图转成伪激光雷达点云,大幅缩小视觉与 LiDAR 检测差距
3D 目标检测依赖昂贵而精确的 LiDAR,基于单目或双目图像的方法准确率一直低得多,常被归咎于图像深度估计质量差。作者认为差距主要来自数据的表示而非质量:考虑到卷积网络的工作方式,把基于图像的深度图转换成模拟 LiDAR 信号的伪激光雷达表示,就能套用现有的 LiDAR 检测算法。在 KITTI 基准上,30 米范围内物体的检测精度从此前最好的 22% 提高到 74%,在提交时位居基于立体图像方法的 KITTI 3D 检测榜首。
HN 上的人在争论自动驾驶应该用摄像头还是激光雷达时引用它,把它当作纯视觉深度估计可逼近 LiDAR 级 3D 检测的第三方研究。
先了解 CNN 图像检测的基础,再看目标论文如何把深度图转换成点云表示,用现成的 LiDAR 检测器完成 3D 检测。
2D 检测的基础,也是 3D 检测中常用的两阶段思想的来源。
读区域建议网络与共享特征的两阶段结构。
目标论文:把图像深度图转成伪点云,用 LiDAR 检测器大幅缩小视觉与激光雷达的差距。
读核心观点:差距主要来自深度图的表示,而不是深度的质量;深度图到点云的转换,以及与前视图表示的对比。
“go read some third party research on how cameras might actually be better.”
“Why don't you read the paper a bit -”
“Independent researchers have already proven Musk to be 100% right about LIDAR.”