[論文レビュー] 3D Bounding Box Estimation for Autonomous Vehicles by Cascaded Geometric Constraints and Depurated 2D Detections Using 3D Results

Jiaojiao Fang, Lingtao Zhou+1 more|arXiv (Cornell University)|Sep 1, 2019

Advanced Neural Network Applications参考文献 19被引用数 14

ひとこと要約

本論文は、自己走行車両向けに2段階の3次元物体検出手法を提案し、2次元検出を精緻化するために、段階的な幾何制約と3次元回復された物理的世界情報を利用することで、3次元バウンディングボックス推定を向上させている。視点とボトムフェースの中心投影を回帰することで、閉形式解を用いて初期3次元ボックスを計算し、過剰決定されたフィッティング方程式を用いてそれを精緻化する。KITTIで最先端の性能を達成し、精度と姿勢推定の正確性が向上している一方で、2次元および3次元検出における誤検出をフィルタリングしている。

ABSTRACT

3D object detection is one of the most important tasks in 3D vision perceptual system of autonomous vehicles. In this paper, we propose a novel two stage 3D object detection method aimed at get the optimal solution of object location in 3D space based on regressing two additional 3D object properties by a deep convolutional neural network and combined with cascaded geometric constraints between the 2D and 3D boxes. First, we modify the existing 3D properties regressing network by adding two additional components, viewpoints classification and the center projection of the 3D bounding box s bottom face. Second, we use the predicted center projection combined with similar triangle constraint to acquire an initial 3D bounding box by a closed-form solution. Then, the location predicted by previous step is used as the initial value of the over-determined equations constructed by 2D and 3D boxes fitting constraint with the configuration determined with the classified viewpoint. Finally, we use the recovered physical world information by the 3D detections to filter out the false detection and false alarm in 2D detections. We compare our method with the state-of-the-arts on the KITTI dataset show that although conceptually simple, our method outperforms more complex and computational expensive methods not only by improving the overall precision of 3D detections, but also increasing the orientation estimation precision. Furthermore our method can deal with the truncated objects to some extent and remove the false alarm and false detections in both 2D and 3D detections.

研究の動機と目的

• 2次元と3次元バウンディングボックス間の幾何制約を統合することで、自動運転車両における3次元物体検出の精度を向上させること。
• 3次元検出結果を用いて、2次元物体検出における誤検出および誤報を低減する課題に対処すること。
• 複雑で計算コストの高いアーキテクチャに依存せずに、3次元物体検出における姿勢推定の正確性を向上させること。
• 物理的世界の制約を活用することで、3次元検出において切断された物体をより強力に処理すること。
• 3次元結果を用いて2次元検出を精緻化する手法を開発し、全体の検出信頼性を向上させること。

提案手法

• 視点分類とボトムフェースの中心投影予測を追加することで、3次元回帰ネットワークを変更する。
• 予測された中心投影と類似三角形の制約に基づいて、閉形式解を用いて初期3次元バウンディングボックスを計算する。
• 2次元および3次元ボックスのフィッティング制約を用いて過剰決定方程式を定式化し、分類された視点に応じた構成を決定する。
• 初期3次元ボックス予測を、最適化による過剰決定系の解法の出発点として用いる。
• 回復された3次元物理的世界情報を利用して、誤った2次元検出および誤報をフィルタリングする。
• 段階的な幾何制約により、2次元および3次元の一貫性を組み合わせることで、3次元検出を段階的に精緻化する。

実験結果

リサーチクエスチョン

• RQ1 2次元と3次元バウンディングボックス間の段階的幾何制約は、自動運転車両における3次元物体検出の正確性を向上させることができるか？
• RQ2 3次元検出結果は、2次元物体検出のノイズ除去および精緻化にどの程度効果的に利用できるか？
• RQ3 初期3次元ボックス推定に単純な閉形式解を用いることで、エンドツーエンドのディープラーニング手法を上回る精度および姿勢推定性能を達成できるか？
• RQ4 この手法は、3次元検出において切断されたまたは部分的に可視な物体をどの程度効果的に処理できるか？
• RQ5 視点分類と中心投影の統合は、3次元バウンディングボックス回帰のロバストネスを向上させることができるか？

主な発見

• 提案手法は、KITTI 3次元検出ベンチマークで最先端の性能を達成し、より複雑で計算コストの高い手法を上回っている。
• 特に自動運転車両の周辺認識にとって重要な姿勢推定の正確性が向上し、全体の3次元検出精度が向上している。
• 3次元回復された物理的世界の制約を活用することで、2次元および3次元検出における誤検出および誤報が効果的に低減されている。
• 2次元および3次元ボックス間の幾何的一致性を用いることで、切断された物体に対してもロバストであることが示された。
• 視点分類と中心投影の統合により、閉形式解を用いた正確な初期3次元ボックス推定が可能になり、反復的最適化への依存が軽減された。
• 優れた性能を維持しながらも高い効率性を発揮しており、幾何制約が検出品質を顕著に向上させられることを実証した。