YOLOStereo3D : Un Pas en Arrière vers le 2D pour une Détection Stereo 3D Efficace

La détection d'objets en 3D à l'aide de caméras stéréoscopiques est un problème important en vision par ordinateur, et elle est particulièrement cruciale pour les robots mobiles autonomes à faible coût sans LiDAR.Aujourd'hui, la plupart des cadres de travail les plus performants pour la détection d'objets stéréoscopiques en 3D sont basés sur une reconstruction de profondeur dense à partir de l'estimation de disparité, ce qui les rend extrêmement coûteux en termes de calcul.Pour permettre des déploiements réels de systèmes de détection visuelle utilisant des images binoculaires, nous reculons d'un pas afin de tirer des enseignements des cadres de travail basés sur la détection d'images 2D et nous les améliorons avec des caractéristiques stéréoscopiques.Nous intégrons les connaissances et la structure d'inférence provenant d'un détecteur d'objets 2D/3D en temps réel à une seule étape et introduisons un module de correspondance stéréoscopique léger.Notre cadre proposé, YOLOStereo3D, est formé sur une seule GPU et fonctionne à plus de dix images par seconde (fps). Il montre des performances comparables aux meilleures méthodes actuelles de détection stéréoscopique en 3D sans utiliser de données LiDAR.Le code sera publié sur https://github.com/Owen-Liuyuxuan/visualDet3D.