3D目标检测总结

news2024/11/11 4:51:12

在这里插入图片描述

3D目标检测最主要的应用领域是自动驾驶，主流用的传感器是camera和lidar，一般车上也会配备很多radar，但是在检测中一般很少用到radar。

除了特斯拉坚决不用lidar，只基于纯视觉做自动驾驶感知，大多数的自动驾驶感知主传感器都是lidar, 然后加几个camera作为辅助。

最近也有一些研究开始在感知中采用radar，但是一般也只是作为辅助。然而radar的发展还是很快的，特别是4D毫米波雷达出现，未来没准能取代lidar。

1 单模态方法

单模态方式是指只采用单一传感器，一般是lidar， camera。也有少数采用radar，但基本处于非常低级的实验阶段，不具备实用性。

1.1 camera

基于camera的2D检测是非常成熟的，深度学习在这个领域也是大放异彩。但是在3D检测中， camera却面临巨大的挑战，其中一个最大的难点是单目的camera没法测量深度，这对3D目标检测是致命的影响，对应到自动驾驶场景就是，你检测到前面有个目标，但你不知道目标离你多远。当然这个问题也不是完全无解，一般有这么2种方法解决：

1 采用单目估计深度。单目估计深度本质上是一个病态问题，所以别指望会估的多准。
2 增加摄像头，2个及以上摄像头就可以估计深度。这个方案会比单目好很多，起码理论上也靠谱很多。但是系统复杂度也高，多个摄像头还涉及到定标，校正，实际用起来效果可能也不是那么理想。

这一类的方法非常多，可以参考我的两外2篇博客：
[1] 单目3D目标检测网络CaDDN解读
[2] 单目3D目标检测网络SMOKE解读

1.2 lidar

基于lidar做3D目标检测应该说是自动驾驶感知中最主流的一种方法了。在所有的单模态方法中效果也是最好的，而且是领先很多的那种。以KITTI数据集中的Car为例，基于lidar的方法mAP可以做到80以上的有很多，但是基于单目图像一般只能做到20左右。

1.3 radar

基于radar做3D目标检测的工作很少，已有的少量工作基本处于玩具的转态。

但是随着4D radar的发展，这方面的工作应该会逐渐多起来。

2 多模态方法

每个传感器都有各自的优劣，比如lidar虽好，也有几个不小的缺点：极端天气环境下性能急剧下降，价格贵；另外机械式激光雷达不抗造，没法通过车规，半固态会好一点，有些产品已经能通过车规，纯固态是一个理想的方式，目前正在朝这个方向大力发展。这是激光雷达的3宗罪。摄像头更不必说了，天气稍微差一点更是没法工作。 radar作用距离远也抗恶劣天气，并且不是很贵，但就是分辨率太差了，不是一般的差。4D radar的出现或许会改变这一局面。

所以主流的多模态融合方法是lidar + camera, 加上radar的，一般也就是个打酱油的角色。