摘要

我们提出了一种自动注释管道，用于从预训练的现成2D检测器和稀疏激光雷达数据中恢复9D立方体和3D形状。我们的自动标注方法通过考虑学习到的形状先验并优化几何和物理参数来解决一个不适定的逆问题。为了解决这一具有挑战性的问题，我们应用了一种新颖的可微分形状渲染器到符号距离场（SDF），并与归一化对象坐标空间（NOCS）相结合。最初在合成数据上进行训练以预测形状和坐标，我们的方法利用这些预测对真实样本进行投影和几何对齐。此外，我们还提出了一种课程学习策略，在后续的自我改进注释轮次中逐步重新训练难度递增的样本。我们在KITTI3D数据集上的实验表明，我们可以恢复大量准确的立方体，并且这些自动标注可以用于训练具有最先进结果的3D车辆检测器。