算法基本思想

3D Bounding Box Estimation Using Deep Learning and Geometry_qq_29462849的博客-CSDN博客 - 图1

3d box 的长宽高回归

3D Bounding Box Estimation Using Deep Learning and Geometry_qq_29462849的博客-CSDN博客 - 图2

角度回归

3D Bounding Box Estimation Using Deep Learning and Geometry_qq_29462849的博客-CSDN博客 - 图3

注意：论文中的角度回归分支是对 c o s θ l cos{\theta_l} cosθl 和 s i n θ l sin{\theta_l} sinθl来进行回归的。

类别判断

这里的类别判断就是简单的多分类。

2d box 的回归

这个回归没有在文章图中体现出来，但是确实存在，后面的 3d box 计算也是要基于 2d box 的信息，2d box 回归应该就是加在 confidence 判断这块。

3D box 的计算

3D Bounding Box Estimation Using Deep Learning and Geometry_qq_29462849的博客-CSDN博客 - 图4

3D Bounding Box Estimation Using Deep Learning and Geometry_qq_29462849的博客-CSDN博客 - 图5

3D Bounding Box Estimation Using Deep Learning and Geometry_qq_29462849的博客-CSDN博客 - 图6

3D Bounding Box Estimation Using Deep Learning and Geometry_qq_29462849的博客-CSDN博客 - 图7

3D Bounding Box Estimation Using Deep Learning and Geometry_qq_29462849的博客-CSDN博客 - 图8

3D Bounding Box Estimation Using Deep Learning and Geometry_qq_29462849的博客-CSDN博客 - 图9

这样就可以根据可能的几种 3D-2D 点对应关系（R 已被预测出）求解 3D 到 2D 的变换矩阵，矩阵求解出来后，即是可以根据 RT 来求相机坐标系下的三维点，从而求出最终 3d box 的表达值。
https://blog.csdn.net/qq_29462849/article/details/91314777