近日，大华股份基于深度学习技术研发的3D目标检测技术，刷新了The KITTI Vision Benchmark Suite中3D车辆类目检测任务（3D Object Detection Evaluation）排行榜，取得了3D车辆类目检测第一名，这标志着大华股份的人工智能技术在3D目标检测领域处于国际领先水平。

大华股份在人工智能的核心技术领域持续耕耘，不断提升智能算法、算力的核心竞争力。这是大华股份继取得字符识别、场景流识别、目标跟踪、2D目标检测、行人重识别等多项国际竞赛第一之后，再次在3D目标检测领域取得突破。

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

关于KITTI：

KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的计算机视觉算法评测数据集之一。数据集用于评测立体匹配(stereo)、光流(flow)、场景流(sceneflow)、视觉里程计(visual odometry)、物体检测(object detection)和跟踪(tracking)、道路分割(road)、语义分割(semantics)等计算机视觉技术的性能。KITTI包含市区、乡村和高速公路等场景采集的真实图像数据，每张图像中最多包含15辆车和30个行人，且存在不同程度的遮挡与截断。

3D目标检测

3D目标检测是自动驾驶领域的核心技术之一，自动驾驶的汽车需要实时检测周围所有交通参与者，包括机动车、非机动车、行人，并准确地检测出各个目标的位置、大小和运动方向。由于2D图像缺少深度信息，难以准确地估计目标的距离，加上天气、光照、阴影等因素的影响，基于视觉的2D目标检测技术难以应对复杂的道路环境，因此自动驾驶技术中主要依靠基于雷达设备所采集的点云数据进行3D目标检测，同时采用基于2D的图像识别技术提高3D目标检测的准确性。

本次竞赛在大华自主研发的深度学习平台上，汲取了2D目标检测、场景流识别等算法的优点，研发了一套基于图模型和神经网络的3D目标检测框架，使用3D点云数据与2D图像数据，从多个视角进行目标检测，并将多视角的检测结果进行融合，有效地提升了3D目标检测的准确性。

该项国际竞赛数据集的车辆3D检测效果图

图1 3D检测效果图

图2 点云数据的鸟瞰图效果