VoxelNet
-
原理:
将三维点云划分成一定数量的Voxel,然后进行随机采样以及归一化,非空Voxel特征提取得到Voxel-wise Feature,3D卷积中层网络抽象特征,最后用RPN对物体分类检测与位置回归
-
Feature Learning Network
1.体素划分
2.分组
3.随机采样
Convolutional Middle Layers
这一层的计算量很大,也是整个网络存在的最大问题,Second将这个网络换成稀疏3D卷积网络,计算速度大幅提升
Region Proposal Network
输出概率评分图和回归图
SECOND: Sparsely Embedded Convolutional Detection
SECOND的三点贡献:
- 将VoxelNet三维中间卷积层替换成稀疏卷积层,大幅提升计算速度
- 增加了一个方向回归,提升模型训练收敛速度
- 数据增强,对一些真值点云数据进行拼接
- 稀疏卷积减少了计算量,但是会出现子流行膨胀问题,子流行卷积可以保证原始分辨率,但不能提升感受野
RPN方向回归
数据增强