激光雷达物体检测（三）：俯视图检测算法

一、VoxelNet

1.特征学习网络(feature learning natwork)

• Group&Sampling:每个网格内部随机采样固定数目的点，不足的则重复

• Voxel Feature Encoding(VFE):全连接层提取点特征，每个点的特征与网格内所有点的特征均值进行拼接，得到新的点特征

• Stacked VFE：重复多次VFE

2.3D卷积网络(convolutional middle layers)

• 提取3D空间特征
• 将高度压缩到1D

3.区域候选网络(region proposal network)

• 类似图像物体检测网络
• U-Shape Net为主干网络
• 分类和回归Head

4.存在的问题

1.数据表示低效 ，大量空白区域

• KITTI数据库一般生成5k-8kVoxel，只有0.5%的Voxel是非空的
• 改进办法：SECOND（采用稀疏卷积）

2.三维卷积计算量巨大

• 改进方法：PIXOR（3D网络压缩到2D）

二、SECOND

1.稀疏卷积避免无效计算

• 中间层采用稀疏卷积
• 其余模块与VoxelNet类似

2.稀疏卷积

• 网格数据表示：稠密—>稀疏
• 卷积操作只在非空的网格进行

三、PIXOR

• PIXOR（ORiented 3D object detection from PIXel-wise neural natwork predictions）

手工设计高度维度的特征

3D->2D：高度维度编程特征通道

可以用2D卷积来提取特征

四、AFDet

1.单阶段，无Anchor

2.Waymo 3D物体检测2021年度的获胜算法

3.算法面的改进

1.轻量级的点云特征提取

• 点云数据转换为BEV视图下的3D网络
• 网格特征：点的反射强度的平均值
• 稀疏的三维卷积进行多阶段特征提取

2.扩大神经网络的感受野

• 自校准的卷积操作（self-calibrated convolution SC-Conv）来扩大感受野
• 在空域的特征通道上引入注意力机制

3.额外的预测分支

• IoU置信度预测
• 关键点预测

五、点视图VS俯视图

1.俯视图

• 输入结构化数据，网格结构简单
• 对量化参数敏感：粗网络导致较大的信息损失，细网络导致较大的计算量和内存使用量

2.点视图

• 没有量化损失，数据比较紧致
• 输入非结构化数据，网络结构复杂，并行处理困难，提取邻域特征困难