大華股份在人工智能的核心技術(shù)領(lǐng)域持續(xù)耕耘刷桐，不斷提升智能算法粥谐、算力的核心競爭力。這是大華股份繼取得字符識別痛只、場景流識別漾群、目標跟蹤、2D目標檢測漱竖、行人重識別等多項國際競賽第一之后禽篱，再次在3D目標檢測領(lǐng)域取得突破。

（圖片來源自網(wǎng)絡(luò)馍惹，如有侵權(quán)躺率，請聯(lián)系刪除。）

源自：http://www.cvlibs.net/datasets/kitti/eval_object.php?obj_benchmark=3d

關(guān)于KITTI：

KITTI數(shù)據(jù)集由德國卡爾斯魯厄理工學(xué)院和豐田美國技術(shù)研究院聯(lián)合創(chuàng)辦万矾，是目前國際上最大的計算機視覺算法評測數(shù)據(jù)集之一悼吱。數(shù)據(jù)集用于評測立體匹配(stereo)、光流(flow)良狈、場景流(sceneflow)后添、視覺里程計(visual odometry)、物體檢測(object detection)和跟蹤(tracking)们颜、道路分割(road)吕朵、語義分割(semantics)等計算機視覺技術(shù)的性能。KITTI包含市區(qū)窥突、鄉(xiāng)村和高速公路等場景采集的真實圖像數(shù)據(jù)，每張圖像中最多包含15輛車和30個行人硫嘶，且存在不同程度的遮擋與截斷阻问。

3D目標檢測

3D目標檢測是自動駕駛領(lǐng)域的核心技術(shù)之一，自動駕駛的汽車需要實時檢測周圍所有交通參與者纤厨，包括機動車族逻、非機動車、行人守镰，并準確地檢測出各個目標的位置崎络、大小和運動方向。由于2D圖像缺少深度信息猖右，難以準確地估計目標的距離颗酷，加上天氣、光照稽橱、陰影等因素的影響戏丽，基于視覺的2D目標檢測技術(shù)難以應(yīng)對復(fù)雜的道路環(huán)境，因此自動駕駛技術(shù)中主要依靠基于雷達設(shè)備所采集的點云數(shù)據(jù)進行3D目標檢測，同時采用基于2D的圖像識別技術(shù)提高3D目標檢測的準確性耙屹。

本次競賽在大華自主研發(fā)的深度學(xué)習(xí)平臺上铲醉，汲取了2D目標檢測、場景流識別等算法的優(yōu)點抗俄，研發(fā)了一套基于圖模型和神經(jīng)網(wǎng)絡(luò)的3D目標檢測框架脆丁，使用3D點云數(shù)據(jù)與2D圖像數(shù)據(jù)，從多個視角進行目標檢測动雹，并將多視角的檢測結(jié)果進行融合槽卫，有效地提升了3D目標檢測的準確性。

該項國際競賽數(shù)據(jù)集的車輛3D檢測效果圖

（圖片來源自網(wǎng)絡(luò)洽胶，如有侵權(quán)晒夹，請聯(lián)系刪除。）

圖1 3D檢測效果圖

（圖片來源自網(wǎng)絡(luò)姊氓，如有侵權(quán)丐怯，請聯(lián)系刪除。）

圖2 點云數(shù)據(jù)的鳥瞰圖效果