声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1137/TP
国际刊号：1002-0446
发布日期:
作者：张峻宁, 苏群星, 刘鹏远, 谷宏强, 王威
关键词：深度学习, 3D目标检测, 透视投射, 消失点, 损失函数, 联合训练
针对单目3D目标检测网络训练约束少、模型预测精度低的问题，通过网络结构改进、透视投影约束建立以及损失函数优化等步骤，提出了一种基于透视投影的单目3D目标检测网络．首先，在透视投影机理的基础上，利用世界、相机以及目标三者之间的变换关系，建立一种利用消失点（VP）求解3D目标边界框的模型；其次，运用空间几何关系和先验尺寸信息，将其简化为方位角、目标尺寸与3D边界框的约束关系；最后，根据尺寸约束的单峰、易回归优势，进一步提出一种学习型的方位角—尺寸的损失函数，提高了网络的学习效率和预测精度．在模型训练中，针对单目3D目标检测网络未约束3D中心的缺陷，基于3D边界框和2D边框的空间几何关系，提出联合约束方位角、尺寸、3D中心的训练策略．在KITTI和SUN-RGBD数据集上进行实验验证，结果显示本文算法能获得更准确的目标检测结果，表明在3D目标检测方面该方法比其他算法更有效．
来源：2020年第3期
《机器人》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。