【文章阅读】STD：Sparse-to-Dense 3D Object Detector for Point Cloud

Brief

很新的一篇做检测的文章，是腾讯优图和港科大的联合工作。19年7月22号放在了arxiv上面。

Abstruct

• STD（sparse-to-dense），two-stage的方法。

（1）第一阶段是对raw-data数据进行一个椭圆的anchor生成一个精确的proposal。这个工作可以做到使用较少的时间到达high recall的结果。然后，利用PointsPool将proposals的内部点特征从稀疏表达转化为紧凑表示，从而生成proposals的特征，从而节省了更多的计算时间。（大体思路是voxelnet这一套，改变了anchor的形态和提取方法）
（2）第二阶段，作者采用了一个并行的IOU分支来提高定位准确性的感知，进一步提高分类的表现。

• sota 在kitti，并且有很高的帧率

1. Introduction

• 老生常谈，略过。记录一下写的比较好的观点：

写voxelnet系列时说他们的缺点：
Although efficient, information loss is inevitable, degrading localization quality.

• 作者的贡献：

（1）作者采用的anchor是球形的，采用的也是PointNet++先进行上下文语义信息提取（这不是该作者的另外一篇文章IPOD的思路吗）。
（2）为了得到给一个proposal的特征信息，作者提出了pointpool（结合内点的正则坐标和其对应的语义信息），从而转化为有序的表达。
（3）在第二阶段，作者在预测和gt之间采用了一种新型的3D IOU方式来减轻压力。

2. Related Work

这就是IPOD的内容，可能是那篇文章的改进版本吧

3. Our Framework

• 作者的工作充分利用了point的voxel的方法：

Our method is a two-stage 3D object detection framework exploiting advantages of voxel- and point-based methods.

• network overview:
  

（1）第一个阶段PGM是通过一个man-made的球形anchor生成一个proposal（这就和voxelnet系列不一样了，voxelnet系列都是预先定义一个anchor每个anchor一个proposals，而不是要生成一个proposal，最大的区别是：voxelnet系列的特征是以小size的anchor为单位的，而这一篇文章则是以一个“proposal”提取的），作者是先通过语义信息对每一个点生成一个球形anchor，再通过nms得到最终的分类proposals，接下来是pointpool层得到每一个proposals的特征，采用的是VFE。
（2）第二阶段则是作者的IOU Branch和Box Prediction Branch的结合。（感觉这才是巨大的创新）。

3.1 Proposal Generation Module

• 作者说，他采用的是基于每一个点的生成的策略：

We instead design a generic strategy to seed anchors based on each point independently, which is the elementary component in the point cloud。
这种情形一般是这么做：先进行场景的语义分割（pointnet++），然后对分割的结果选所谓的“seed”。

• challenge

同IPOD

• Spherical Anchor

（1）作者提到，球形的anchor相当于会有任何方向，而柱体的则不是。对于每一个人工球形的anchor，作者设计不同大小的半径（车–2m，人–1m）;而由每一个anchor所预测的proposal是根据圈圈内的点的（这不就是生成的方法吗）。每一个框都和其内点相关，但是却是有着一个预定义的大小。