摘要

本文旨在实现自动驾驶场景下基于单目图像的三维物体检测。我们的方法首先生成一组特定类别的候选物体提案，随后通过标准的卷积神经网络（CNN）流程对这些提案进行处理，以获得高质量的物体检测结果。本文的重点在于候选提案的生成。具体而言，我们提出了一种概率模型，利用地平面先验信息在三维空间中定位物体候选区域。随后，通过多种直观的势函数（potentials）对每个候选框在图像平面上的投影进行打分，这些势函数包括语义分割结果、上下文信息、尺寸与位置先验以及典型物体的形状特征。模型中的权重通过S-SVM（Structured Support Vector Machine）进行训练。实验结果表明，所提出的物体提案生成方法显著优于所有现有的单目检测基线方法，并在具有挑战性的KITTI基准测试中，取得了已发表的单目检测方法中的最佳检测性能。