摘要

单目3D目标检测在自动驾驶领域具有重要意义，但依然面临巨大挑战。其核心难题在于缺乏显式的深度信息，难以准确预测目标的距离。与现有大多数方法将距离回归为单一变量的策略不同，本文提出一种基于几何关系的距离分解新方法，通过分解距离的构成因素来实现距离恢复。该分解将目标距离分解为两个最具代表性且稳定的变量：物体的实际物理高度与图像平面上的投影视觉高度。此外，该分解方法保持了两个高度之间的内在自洽性，即使在预测高度均存在误差的情况下，仍能实现鲁棒的距离估计。该分解机制还使我们能够追溯不同场景下距离预测不确定性的根源，从而提升模型的可解释性。得益于这一设计，距离预测兼具准确性与鲁棒性。本方法直接从RGB图像中预测3D边界框，采用紧凑的网络架构，使训练与推理过程简单高效。实验结果表明，该方法在KITTI数据集的单目3D目标检测与鸟瞰图（Birds Eye View）任务上均达到了当前最优性能，并具备良好的泛化能力，可适用于不同相机内参的图像输入。