GitHub 开源分享 | PointRCNN - 第一个基于原始点云的两阶段3D目标检测

论文链接：https://arxiv.org/abs/1812.04244

代码链接：https://github.com/sshaoshuai/PointRCNN

目前作者公布的代码只能对一个类别做检测，假设这个类就是“车”，这也是KITTI数据集中标注最多的类，这个目标检测方法分两个阶段：

（1）第一阶段：生成一大堆很冗余的bounding box。首先，对点云语义分割，对每个点的到一个预测label，比如现在：对所有判断是“车”的点（也叫做前景点），赋予label=1，其他点（也叫做背景点），赋予label=0。

然后，用所有前景点生成bounding box，一个前景点对应一个bounding box。但是必须要保证语义分割结果的准确。然后作者使用了一些去除冗余的方法，继续减少bounding box的数目，这一阶段结束的时候只留下300个bounding box。

（2）第二阶段：继续优化上一阶段生成的bounding box。首先，对前一阶段生成的bounding box做旋转平移，把这些bounding box转换到自己的正规划坐标系下（canonical coordinates）。结合上然后，通过点云池化等操作的到每个bounding box的特征，再结合第一阶段的到的特征，进行bounding box的修正和置信度的打分，从而得到最终的bounding box。