论文作者：Zhupeng Ye,Yinqi Li,Zejian Yuan

作者单位：Xi'an Jiaotong University

论文链接：http://arxiv.org/abs/2309.08369v1

项目链接：https://www.youtube.com/watch?v=1gk1PmsQ5Q8

内容简介：

1）方向：车辆检测

2）应用：智能驾驶

3）背景：现有的基于矩形边界框（BBox）的车辆检测方法在感知宽范围物体，特别是远距离的小物体方面存在困难。而且BBox表达不能提供车辆的详细几何形状和姿态信息。

4）方法：本文提出了一种新颖的基于单摄像头图像的宽范围伪3D车辆检测方法，并结合了高效的学习方法。该模型以拼接图像作为输入，该图像是通过将高分辨率图像的两个子窗口图像组合而成的。这种图像格式最大限度地利用了有限的图像分辨率，以保留关于宽范围车辆物体的基本信息。为了检测伪3D物体，我们的模型采用了专门设计的检测头。这些头部同时输出扩展的BBox和侧投影线（SPL）表示，捕捉车辆的形状和姿态，实现高精度检测。为了进一步提高检测性能，在模型训练过程中设计了一个联合约束损失，结合了物体框和SPL，提高了模型的效率、稳定性和预测准确性。

5）结果：在自建数据集上的实验结果表明，所提出模型在多个评估指标下实现了良好的宽范围伪3D车辆检测性能。演示视频已放置在https://www.youtube.com/watch?v=1gk1PmsQ5Q8。