基于图像的三维目标检测是自动驾驶技术中最基本、最具挑战性的问题之一，近年来越来越受到业界和学术界的关注。得益于深度学习技术的快速发展，基于图像的三维检测已经取得了显著的进展。特别是，从2015年到2021年，已有200多部著作对这个问题进行了研究，涵盖了广泛的理论、算法和应用。然而，到目前为止，还没有最近的综述来收集和组织这些知识。在本文中，我们填补了文献中的这一空白，对这一新兴且不断发展的研究领域进行了首次全面的综述，总结了基于图像的三维检测最常用的方法，并深入分析了它们的每个组成部分。此外，我们还提出了两种新的分类法，将最先进的方法组织成不同的类别，目的是为现有方法提供一个更系统的回顾，并促进与未来工作的公平比较。回顾了目前所取得的成果，分析了当前该领域面临的挑战，并讨论了基于图像的三维检测研究的未来方向。

论文链接：

https://arxiv.org/abs/2106.10823

本工作的主要贡献如下: 

1) 据我们所知，这是基于图像的自动驾驶三维检测方法的首次研究。本文综述了80余种基于图像的三维检测器和200余项相关研究工作。

2) 我们对问题的关键方面，包括数据集、评价指标、检测流程和技术细节，提供了全面的回顾和深刻的分析。

3) 我们提出了两种最新的分类方法，目的是帮助读者轻松地获取这一新兴的、正在发展的研究领域的知识。

4) 我们总结了基于图像的三维检测的主要问题和未来的挑战，并对未来工作提出了一些潜在的研究方向。

本文除了详细介绍这些基于图像的三维检测器的技术细节外，还介绍了它们的分类、常用数据集、评价指标和潜在的挑战/研究方向。此外，我们还提供了一个持续维护的项目页面:

https://github.com/xinzhuma/ 3dodi-survey

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除