PIXOR: Real-time 3D Object Detection from Point

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/lpj822/article/details/86711547

简介

LiDAR方法最精准安全，但LIDAR每扫一圈要产生10^5个无规则点，对现在的探测器是很大的挑战。
主要解决方法是将点云结构化从而可以使用标准卷积操作，结构化方法大致分为以下两类:

1. 3D voxel grid 由于三维点云被自然分割，体素网格非常稀疏，因此大量的计算是冗余的。
2. 2D projections 有RV和BEV两种，他它们在投影和离散的过程中造成了信息的损失，MV3D方法试图融合2D投影和相机图像，但计算代价过高，无法应用到实时应用中。

这篇论文提出了PIOXR方法，我们选用BEV是因为同三维体素网格比起来，它计算更友好，保留了度量空间，让模型可以先探索物体分类的尺寸和形状。

3D目标检测整体框架

数据输入

三维体素网格方法计算量很大，因为需要让三维卷积核在三个维度进行卷积。本论文只使用BEV，将三维降至二维，但我们仍然留有高度信息，就像RGB图的三个通道一样。我们可以得到更紧凑的表达，只要我们对BEV信息使用二维卷积，因为所有的车辆都是在同一水平面上的。BEV还有一个优点，当待检测物体没有重叠时，我们可以知道物体的物理维度信息阐述BEV投影和离散过程：结合三维张量和二维图片反射： $\frac{L}{d_L}\times\frac{W}{d_W}\times(\frac{H}{d_H}+1)$

网络框架

loss