ResNet18 作为 backbone 的时候速度最快，精度已经超过大多数甚至某些双目方法，但仍弱于 M3D－RPN（目前不利用其它训练数据最好的网络），当采用 DLA－34 时速度仍然比别的方法快，而且精度超过 M3D－RPN。
消融实验
对维度、方向、距离和关键点偏移四个可选项进行了消融实验，四个可选项全部使用时得到了最高的准确率。
分析了关键点FPN的作用，
同时发现 3D 反向投影的 2D 结果要优于直接对 2D 进行预测。
结论
本文提出了一种用于自动驾驶场景的单眼 3D 目标检测方法。将 3D 检测作为关键点检测问题，并展示了如何通过使用关键点和几何约束来恢复 3D 边界框。本文提出的用于 3D 检测的点检测网络，可以仅使用图像输出 3D 框的关键点和对象的其他先验信息生成稳定且准确的 3D 边界框，而无需包含独立网络和增加额外标注数据，同时可实现实时运行速度。
