[Doc]: optimize summary

sarvex · Feb 17, 2023 · e3b5214 · e3b5214
1 parent cb52a21
commit e3b5214
Showing 1 changed file with 3 additions and 1 deletion.
diff --git a/6-computer_vision/3D视觉算法/单目3D目标检测综述.md b/6-computer_vision/3D视觉算法/单目3D目标检测综述.md
@@ -202,12 +202,14 @@ M3D-RPN算法[6]的主要思想在于提出将单目3D目标检测问题重新
 
 ## 四，总结
 
-本文首先概述 3D 目标检测的内容，包括3D目标检测算法根据输入信号不同的分类、 3D 视觉目标检测的难点以及描述了无人驾驶中的3D目标检测任务，也从相机与图像基础知识讲解了投影几何原理，然后介绍了几个主流的单目3D目标检测算法， 描述了这些算法的原理和相关检测流程。可以知道单目视觉3D目标检测技术目前面临着很多问题，因为算法不仅要找到物体在图像中出现的位置，还需要反投影到实际 3D 空间中，这个过程是需要有绝对的尺寸估计。总结可以发现主流的单目3D目标检测算法都有以下共同点：
+本文首先介绍了单目 3D 目标检测的理论基础，然后概述了单目 3D 目标检测的内容，包括3D目标检测算法根据输入信号不同的分类、 单目 3D 视觉目标检测定义和难点，以及描述了无人驾驶中的3D目标检测任务，最后介绍了几个主流的单目 3D 目标检测算法，并描述了这些算法的原理和相关检测流程。总结可以发现主流的单目3D 目标检测算法都有以下共同点：
 
 1. 都复用了 2D 目标检测的结果；
 2. 都有结合投影几何知识和利用2D图像特征来得到目标的3D空间位置；
 3. 都有 3D 属性参数回归网络。
 
+值得注意的是，目前单目视觉 3D 目标检测技术依然面临着很多问题，因为算法不仅要找到物体在图像中出现的位置，还需要反投影到实际 3D 空间中，这个过程是需要有绝对的尺寸估计。
+
 ## 参考资料
 
 1. [1] X. Chen, K. Kundu, Y. Zhu, A. G. Berneshawi, H. Ma, S. Fidler, and R. Urtasun, “3D object proposals for accurate object class detection”, in Neural Information Processing Systems, 2015.