VoxelNet学习

VoxelNet

论文标题：

VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection

网址：

https://arxiv.org/pdf/1711.06396.pdf%20em%2017/12/2017.pdf

代码参考：

https://github.com/ModelBunker/VoxelNet-PyTorch

摘要

why

为了将高度稀疏的LiDAR点云与区域提案网络（RPN）连接起来，大多数现有工作都集中在手工制作的特征表示上，例如鸟瞰投影。在这项工作中，我们消除了对3D点云的手动特征工程的需求，并提出了VoxelNet

附录

RPN

KEY: 使用一个深度的卷积神经网络来获取图片Proposals。

这个东西是从Fast R-CNN 里面所提到的。

what?

他是一个模块，用来生成框框

why？

以前用的是selective search 算法

后边用 EdgeBoxes

最后用的CNN 配合 GPU来使用。

并且呢，以前的想法是这样子的：

首先通过算法（selective search/edgeBox）生成框框(提取特征从而得到这些区域)，然后判断这个框框里面有没有target。
但是如果用CNN的话，其实可以有一个share的过程。
可以在卷积之后，直接使用特征图来画出BOXes

从而得到下面的这张图：

对比一下Fast R-CNN的过程