3D Object Detection

探索 3D 目标检测以掌握 AI 中的空间感知能力。了解 Ultralytics YOLO26 如何助力实现现实世界中的深度、方向和 3D 边界框估计。

3D 目标检测是一项复杂的计算机视觉任务，能够让机器在三维空间中识别、定位并确定物体的大小。与传统的 2D 目标检测（在图像中的物品周围绘制平面的边界框）不同，3D 目标检测会估算一个包裹该物体的长方体（3D 框）。这提供了关键的深度信息、方向（航向）以及精确的空间尺寸，让系统不仅能理解物体是什么，还能理解它在现实世界中相对于传感器的准确位置。这项能力对于需要与环境进行物理交互的技术来说至关重要。

3D 对象检测的工作原理#

为了感知深度和体积，3D 检测模型通常依赖比标准摄像头提供的数据更丰富的数据输入。虽然一些先进方法可以从单目（单镜头）图像中推断 3D 结构，但大多数稳健的系统都利用来自激光雷达传感器、雷达或立体摄像机的数据。这些传感器会生成点云——即表示物体外表面的海量数据点集合。

该过程包含几个关键步骤：

数据采集： 传感器捕捉场景的几何结构。例如，LiDAR 使用激光脉冲测量距离，从而创建精确的 3D 地图。
**特征提取：**深度学习模型通常基于卷积神经网络 (CNN) 或 Transformer，它们会处理点云或融合图像数据来识别模式。
边界框预测： 模型输出一个 3D 边界框，该框由其中心坐标 (x, y, z)、尺寸（长、宽、高）和旋转角度（偏航角）定义。
**分类：**类似于图像分类，系统会将标签（例如“行人”、“车辆”）分配给检测到的物体。

2D 与 3D 检测之间的区别#

区分这两个相关概念非常重要。

**2D 目标检测：**对平面图像（像素）进行操作。它能告诉你某个物体位于画面的“左上角”或“右下角”，但在没有参考标记的情况下，无法有效地判断距离或现实世界的大小。它非常适合识别制造缺陷或分析深度不太重要的视频流等任务。
3D 对象检测： 在体积空间（体素或点）中运行。它提供距离相机的距离（深度）、对象的物理尺寸及其方向。这对于在动态环境中防止碰撞至关重要。

实际应用#

从 2D 到 3D 感知的转变，在那些安全性和空间意识至关重要的行业中开启了强大的应用场景。

**自动驾驶：**自动驾驶汽车严重依赖 3D 检测来安全导航。通过处理激光雷达和摄像头的数据，车辆可以检测其他汽车、行人和障碍物，并计算它们的准确距离和速度。这使得感知系统能够在实时推理场景中预测轨迹并做出制动或转向决策。像 Waymo 这样的公司利用这些重型传感器套件来即时绘制城市环境地图。
**机器人和智能分拣：**在物流和仓储中，机器人需要从料箱中抓取各种形状和大小的物体。3D 检测使机器人手臂能够理解包裹的方向、确定最佳抓取点，并规划出无碰撞的路径来移动物品。这通过自动化复杂的体力任务，提高了物流 AI 的效率。

使用 Ultralytics 实现对象检测#

虽然完整的 3D 检测通常需要专门的点云架构，但现代 2D 检测器（如 YOLO26）越来越被用作伪 3D 工作流中的一个组件，或用于通过边界框缩放来估计深度。对于希望在自己的数据集上训练模型的开发者来说，Ultralytics 平台提供了一个用于标注和训练的精简环境。

下面是一个如何使用 Ultralytics Python API 运行标准检测的简单示例，这通常是更大型感知流水线的第一步：

import cv2
from ultralytics import YOLO

# Load the YOLO26n model (nano version for speed)
model = YOLO("yolo26n.pt")

# Perform inference on a local image
results = model("path/to/image.jpg")

# Visualize the results
for result in results:
    # Plot predictions on the image (returns a numpy array)
    im_array = result.plot()

    # Display using OpenCV
    cv2.imshow("Detections", im_array)
    cv2.waitKey(0)  # Press any key to close
    cv2.destroyAllWindows()