高阶结构关系蒸馏网络

单目3D检测逼近雷达

通过在BEV特征层显式建模深度通道依赖，并蒸馏点、线、面高阶结构关系，将LiDAR检测器的几何先验有效迁移至单目图像检测器，显著提升非刚性物体检测精度。

阎维青 · Long, Xu · 刘浩 · 唐厂 · 周武杰

IEEE Transactions on Intelligent Vehicles 2023

参数信息

整体检测精度平均提升

约15 %

技术优势

非刚性目标检测大幅提升

通过蒸馏LiDAR BEV特征中的点、线、面高阶结构关系，增强图像学生模型，尤其提升非刚性物体（如骑行者）的检测精度。

显式建模深度通道依赖

通过Image BEV Feature Enhancing Module显式建模BEV特征深度通道间的相互依赖，捕捉关键空间深度上下文，改进特征表示。

应用场景

• 单目3D目标检测：用单目相机实现接近LiDAR的3D检测，降低自动驾驶传感器成本。
• 低算力自动驾驶感知：无需LiDAR点云，仅靠单目图像推理，减少车载计算负担。
• 移动机器人环境感知：为移动机器人提供轻量级3D感知，摆脱对昂贵LiDAR的依赖。
• 智能交通监控：利用现有交通摄像头进行3D目标检测，提升监控智能化水平。
• 工业场景3D视觉检测：在工业视觉检测中用单目相机获取3D信息，降低部署成本。