3D目标检测读后感（一）

今天看了一篇文章Automatic Camera Calibration for Traffific Understanding

Automatic Camera Calibration for Traffic Understanding [BMVC 2014]_哔哩哔哩_bilibili

只有短短一页内容，但是从视频来看，方法很实用。

大致是解决了交通监控的3d检测框问题。第一步，是求解了图像中每个点的绝对坐标系方向，作者称为确定车辆流的3个消失正交点。消失点指的是视觉相交点，透视图中的概念。

第二步，是构建3D目标检测框，从blob区域与每个点的切线方向开始构建。文章中作者没有说明如何求取切线，我认为应该是利用了sobel算子来求切线。

作者只写了短短一页纸，要讲清所有内容是不现实的，一些重要的细节根本没说，只能留给读者无限的遐想，想要复现该算法几乎不可能。

 

又看了他的文章BoxCars: Improving Fine-Grained Recognition of Vehicles using 3D Bounding Boxes in Traffific Surveillance

这次有源码。顺应时代发展，作者提出了一些基于深度学习求解三个消失点的方法。他认为，3D检测的关键就是求解三个消失点。一些细节部分还是写的很简略。

第三章中的D节，他利用CNN求解消失点方向，然后结合车辆轮廓来求解3D检测框，就像他上一篇文章做的一样。