Abstract
voxel-based 特征提取效率高,但无法保留对象细粒度3D结构
point-based 更准确的表示3D结构,但提取这些特征计算成本很高
本文介绍了一种具有voxel-basedh 和point-based 特征优点的single-stage 3D检测方法,提出一种新的CNN架构,HVPR,将这两种的特征有效地集成到一个单一的3D表示中。具体而言,在point-based的特征上增加memory模块,以降低计算量。然后,聚合memory中的特征,在语义上类似于每个Voxel-based的特征,以获得伪图像形式的混合3D表示,允许在单个阶段有效地定位3D对象。考虑到点云的稀疏和不规则性,还提出了一个注意力多尺度特征模块(AMFM),以提取尺度感知特征。最终在KITTI数据上性能和速度表现良好。
2021CVPR——HVPR Hybrid Voxel-Point Representation for Single-stage 3D Object Detection - stone的文章 - 知乎 https://zhuanlan.zhihu.com/p/373069090