摘要

三维物体检测是自动驾驶领域的一项关键任务。近年来，基于高精度但昂贵的激光雷达（LiDAR）技术获取的三维输入数据，相关技术在检测率方面取得了显著的成就。然而，基于成本较低的单目或双目图像数据的方法至今仍导致了大幅降低的准确性——这一差距通常被归因于基于图像的深度估计较差。然而，在本文中我们认为，造成这种差异的主要原因并不是数据的质量，而是其表示方式。考虑到卷积神经网络的内部机制，我们提出将基于图像的深度图转换为伪激光雷达（pseudo-LiDAR）表示——即模拟激光雷达信号。通过这种表示方式，我们可以应用现有的不同激光雷达基检测算法。在流行的KITTI基准测试中，我们的方法在基于图像的性能上实现了显著提升——将30米范围内物体的检测准确率从之前的最先进水平22%提高到了前所未有的74%。截至提交时，我们的算法在KITTI三维物体检测排行榜上以立体图像为基础的方法中排名最高。我们的代码已公开发布在 https://github.com/mileyan/pseudo_lidar。