摘要

安全的自动驾驶需要可靠的三维物体检测，即确定感兴趣物体的六自由度（6 DoF）姿态和尺寸。使用立体相机来解决这一任务是一种成本效益较高的替代方案，相较于广泛使用的激光雷达传感器。目前最先进的立体三维物体检测方法是在不作任何修改的情况下采用现有的PSMNet立体匹配网络，将估计的视差转换为三维点云，并将该点云输入基于激光雷达的三维物体检测器中。然而，现有的立体匹配网络设计初衷是为了视差估计而非三维物体检测；因此，物体点云的形状和精度并不是其关注的重点。立体匹配网络通常在物体边界处存在深度估计不准确的问题，我们将其定义为条纹效应（streaking），因为背景和前景点是同时进行估计的。此外，现有网络在其损失函数中惩罚的是视差而不是物体点云的估计位置。为此，我们提出了一种新颖的二维框关联和以物体为中心的立体匹配方法，仅对感兴趣的物体进行视差估计，从而解决了这两个问题。我们的方法在KITTI三维和鸟瞰图（BEV）基准测试中取得了最先进水平的结果。