点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

本文转自：计算机视觉工坊

以前提到过此文（在想法中），WACV‘2021录取：“CenterFusion: Center-based Radar and Camera Fusion for 3D Object Detection“，作者来自田纳西大学。

摘要：这是一个middle fusion方法，CenterFusion，它先通过一个center point检测法得到图像的目标，然后和雷达检测结果做数据相关，采用的是一个frustum-based方法。最后关联的目标检测产生基于雷达的特征图补充图像特征，这样回归目标的深度、旋转角和深度。

作者提供了代码：https://github.com/mrnabati/CenterFusion

网络架构如图所示：跟摘要说的那样，细节见下面模块分析。

首先，需要搞清楚雷达信号检测的是径向深度和目标实际速度的不同，如图：

作者采用CenterNet方法，无锚单目的目标检测方法。其中keypoint的heatmap定义为：

采用一个卷积encoder-decoder网络预测Y。基于此，回归3D目标的深度、尺寸和朝向。其训练分类损失，即focal loss：

CenterFusion利用CenterNet先得到一个初步检测，然后修正的DLA（deep layer aggregation）网络作为主干，在primary regression head中预测初步的3D目标信息，其中构成包括一个3X3的卷积层和一个1X1的卷积层。

Frustum association是关键融合雷达和图像的机制。用图像2D框和其深度+大小的估计构建一个3D RoI frustum，如图所示：

如果有多个雷达检测点在这个RoI，直接取距离最近的一个。注意这里提到一个scaling factor可增大frustum尺寸，以便包容深度估计的误差。

另外，目标高度的不准确，作者采用Pillar expansion对雷达点云做预处理。如图所示：第一行是雷达点云扩大成3D pillar的显示，第二行是直接把pillars和图像匹配的结果，相关较弱。第三行是frustum相关，减少了上面的深度值重叠，也防止背景目标（如大楼）错分类成前景。

图像和雷达的数据相关之后，可以提取雷达目标特征，深度和速度等。

如果两个目标有重叠的heatmap区域，按距离取最近的。

之后，这些特征进入secondary regression head，其结构包括3个3X3卷积层和一个1X1卷积层。最后结果需要经过一个box decoder得到。

训练中regression head的损失采用SmoothL1 loss，center point heatmap采用focal loss，而attributes regression head基于Binary Cross Entropy (BCE) loss。

看一下结果：

性能比较表

直观结果比较如下：1-2行CenterFusion，3-4行CenterNet。

雷达点云绿色，目标框GT红色，目标预测速度蓝色箭头。

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~