3D Object Detection from Images for Autonomous Driving: A Survey

要約

画像からの 3D 物体検出は、自動運転における基本的かつ困難な問題の 1 つであり、近年、産業界と学界の両方からますます注目を集めています。
ディープラーニング技術の急速な発展の恩恵を受けて、画像ベースの 3D 検出は目覚ましい進歩を遂げました。
特に、2015 年から 2021 年にかけて、200 を超える研究がこの問題を研究し、幅広い理論、アルゴリズム、アプリケーションを網羅しました。
しかし、これまでのところ、この知識を収集して整理するための最新の調査は存在しません。
この論文では、文献のこのギャップを埋め、画像ベースの 3D 検出に最も一般的に使用されるパイプラインを要約し、その各コンポーネントを深く分析する、この新規で成長を続ける研究分野に関する最初の包括的な調査を提供します。
さらに、既存の手法をより体系的にレビューし、将来の研究との公正な比較を容易にすることを目的として、最先端の手法をさまざまなカテゴリに整理するための 2 つの新しい分類法も提案します。
これまでに達成されたことを振り返り、この分野における現在の課題も分析し、画像ベースの 3D 検出研究の将来の方向性についても議論します。

要約(オリジナル)

3D object detection from images, one of the fundamental and challenging problems in autonomous driving, has received increasing attention from both industry and academia in recent years. Benefiting from the rapid development of deep learning technologies, image-based 3D detection has achieved remarkable progress. Particularly, more than 200 works have studied this problem from 2015 to 2021, encompassing a broad spectrum of theories, algorithms, and applications. However, to date no recent survey exists to collect and organize this knowledge. In this paper, we fill this gap in the literature and provide the first comprehensive survey of this novel and continuously growing research field, summarizing the most commonly used pipelines for image-based 3D detection and deeply analyzing each of their components. Additionally, we also propose two new taxonomies to organize the state-of-the-art methods into different categories, with the intent of providing a more systematic review of existing methods and facilitating fair comparisons with future works. In retrospect of what has been achieved so far, we also analyze the current challenges in the field and discuss future directions for image-based 3D detection research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google