《表7 KITTI数据集车辆目标检测AP3D指标对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于视觉的三维目标检测算法研究综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

三维目标检测的目的是获取目标在世界坐标系下尺寸、位置和航向信息，因此，采用Chen等人[13]提出的三维目标平均检测率评估预测结果。表7总结归纳了室外场景下车辆目标三维检测平均准确率结果，并对比了IoU阈值分别设置为0.5与0.7对检测结果的影响。根据表7结果显示，当IoU阈值为0.5时，基于单目视觉的三维目标检测算法中，MonoGRNet[42]检测结果最为理想，相比于Mono3D[38]等方法准确率提升了近一倍，对于简单目标的检测准确率可以达到50%左右。当IoU阈值设为0.7时，各算法准确率均有大幅的下降，其中准确率最高的MonoDIS[50]算法针对简单目标只能达到18.05%，而对于困难目标准确率均在10%以下。相比之下，基于双目/深度图像的三维检测结果提升了很多。其中，在IoU=0.5时，对于简单目标的识别率最高达到了85.84%，对困难目标的识别也达到了57.24%。当IoU=0.7时，对于三类目标，F-PointNets[30]的检测准确率分别达到了83.76%、70.92%和63.65%，相比于3DOP算法[39]提升了近10倍。