Autonomous driving is regarded as one of the most promising remedies to shield human beings from severe crashes. To this end, 3D object detection serves as the core basis of such perception system especially for the sake of path planning, motion prediction, collision avoidance, etc. Generally, stereo or monocular images with corresponding 3D point clouds are already standard layout for 3D object detection, out of which point clouds are increasingly prevalent with accurate depth information being provided. Despite existing efforts, 3D object detection on point clouds is still in its infancy due to high sparseness and irregularity of point clouds by nature, misalignment view between camera view and LiDAR bird's eye of view for modality synergies, occlusions and scale variations at long distances, etc. Recently, profound progress has been made in 3D object detection, with a large body of literature being investigated to address this vision task. As such, we present a comprehensive review of the latest progress in this field covering all the main topics including sensors, fundamentals, and the recent state-of-the-art detection methods with their pros and cons. Furthermore, we introduce metrics and provide quantitative comparisons on popular public datasets. The avenues for future work are going to be judiciously identified after an in-deep analysis of the surveyed works. Finally, we conclude this paper.


翻译:自动驾驶被认为是防止人类遭受严重碰撞的最有希望的补救办法之一。为此目的,3D物体探测是这种感知系统的核心基础,特别是为了路径规划、运动预测、避免碰撞等等。 一般而言,3D物体探测的标准布局已经是3D物体探测标准图,其中点云越来越普遍,提供了准确的深度信息。尽管作出了现有努力,但点云上的3D物体探测仍然处于萌芽阶段,因为从自然角度的点云高度稀少和不规律性、摄像视图与LIDAR鸟的视觉不协调,从而产生模式协同效应、隔离和远距离规模变化等。最近,在3D物体探测方面取得了深刻的进展,大量文献正在调查,以完成这一远景任务。因此,我们全面审查了该领域所有主要专题的最新进展,包括传感器、基本知识,以及最近的先进探测方法及其准和反射点。此外,我们引入了测量指标,并提供了对公众勘查工作进行定量比较,我们最终确定了如何完成这一分析。

12
下载
关闭预览

相关内容

目标检测,也叫目标提取,是一种与计算机视觉和图像处理有关的计算机技术,用于检测数字图像和视频中特定类别的语义对象(例如人,建筑物或汽车)的实例。深入研究的对象检测领域包括面部检测和行人检测。 对象检测在计算机视觉的许多领域都有应用,包括图像检索和视频监视。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
3D目标检测进展综述
专知会员服务
185+阅读 · 2020年4月24日
【新书】Python编程基础,669页pdf
专知会员服务
186+阅读 · 2019年10月10日
[综述]深度学习下的场景文本检测与识别
专知会员服务
76+阅读 · 2019年10月10日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
37+阅读 · 2019年10月9日
【泡泡汇总】CVPR2019 SLAM Paperlist
泡泡机器人SLAM
14+阅读 · 2019年6月12日
CVPR2019 | Stereo R-CNN 3D 目标检测
极市平台
27+阅读 · 2019年3月10日
人工智能 | 国际会议信息6条
Call4Papers
4+阅读 · 2019年1月4日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
15+阅读 · 2018年12月24日
我用MATLAB撸了一个2D LiDAR SLAM
计算机视觉life
4+阅读 · 2018年12月2日
Arxiv
16+阅读 · 2021年3月2日
Deep Learning for 3D Point Clouds: A Survey
Arxiv
3+阅读 · 2019年12月27日
Monocular Plan View Networks for Autonomous Driving
Arxiv
5+阅读 · 2019年5月16日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
VIP会员
相关资讯
相关论文
Arxiv
16+阅读 · 2021年3月2日
Deep Learning for 3D Point Clouds: A Survey
Arxiv
3+阅读 · 2019年12月27日
Monocular Plan View Networks for Autonomous Driving
Arxiv
5+阅读 · 2019年5月16日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Top
微信扫码咨询专知VIP会员