3D-BoundingBox 项目简介
项目概述
3D-BoundingBox 项目旨在通过深度学习和几何学技术，实现对物体的三维边界框估计。该项目基于 PyTorch 实现，并通过结合 YOLOv3 检测算法来处理和分析输入图像。项目的主旨在于，通过对给定物体进行三维定位和可视化，提升自动驾驶和计算机视觉等领域的表现。
运行需求
为了顺利运行该项目，用户需要在设备上安装以下软件：
- PyTorch：用于神经网络的训练与推理。
- Cuda：用于加速深度学习运算。
- OpenCV >= 3.4.3：用于图像处理和计算机视觉任务。
使用方法
权重下载
要使用该预训练模型，需要下载相关权重。用户可以通过执行以下命令来获取预训练权重：
cd weights/ ./get_weights.sh
该命令会下载 3D BoundingBox 网络的预训练权重，以及 YOLOv3 的权重。
运行程序
用户可以通过以下命令运行主程序，并选择性绘制 2D 边界框：
python Run.py [--show-yolo]
在默认目录 (eval/image_2/) 中依次处理图像，按空格键可查看下一张图像，按其他任意键可退出程序。
用户还可以从 Kitti 数据集中下载默认视频，或指定视频与对应的标定文件位置进行处理：
python Run.py --video [--hide-debug]
模型训练
要训练该模型，首先需要从 Kitti 数据集中下载左视角彩色图像、训练标签和相机标定矩阵，总计大约 13GB。下载并解压到 Kitti/ 目录后，可使用以下命令启动训练过程：
python Train.py
默认情况下，模型会每隔 10 个 epoch 保存一次，其损失值会每 10 批次输出一次。需要注意的是，损失值不会收敛至 0，尤其是方向性损失，期望为负值。此外，用户可以通过调整 α 和 w 这两个超参数来优化模型性能。
实现原理
该项目的 PyTorch 神经网络会输入尺寸为 224x224 的图像，预测物体相对于其类别平均值的方向和相对尺寸。为了实现这些功能，项目使用了 YOLOv3 检测算法通过 OpenCV 提供 2D 边界框和物体类别，然后汇总得出的方向和尺寸信息来计算物体的 3D 位置，并将其投影回图像当中。
在项目中，有两个重要假设：
- 2D 边界框紧贴物体。
- 物体在水平面上的俯仰角和滚转角接近 0（适用于路面上的车辆）。
未来发展目标
团队计划在未来实现以下目标：
- 在 Kitti 数据集上训练自定义的 YOLO 网络。
- 实现某种姿态可视化（例如 ROS）。
项目致谢
该项目的开发起始于某个 GitHub 代码仓库的分支，部分初始代码仍保留在训练脚本中。同时，项目借鉴了 2D-3D 几何转换相关的研究成果。
编辑推荐精选
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力 开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号