pointpillars网络结构讲解

pointpillars网络结构分为3个部分：

1：pillar feature net(柱状体特征编码)

2：2d backbone 网络结构（两个子网络）

3:  detection head(检测头，使用的是SSD作为检测头)

1：pillars feature net(柱状体特征编码)

首先pillars feature net主要作用是将点云转换成2D伪图像，便于第二步的特征提取和融合。具体操作：（1）将空间中的点云，沿着Z轴方向，离散到平面xoy上的网格上，这样就得到一簇簇柱状体，然后设置非空柱状体为P。（2）柱状体内的点设置为N，多于N的采用随机取样，小于N的采用0补充。（3）点云中点经过pillar feature net将会得到增强，以前为（X,Y,Z,R）R表示为反射率。增强为（X,Y,Z,R,Xc,Yc,Zc,Xp,Yp）下标c表示为点到柱状体所有点的算术平均值的距离，也就是偏移量，下标p，表示为到柱状体中心的距离，用D表示。因此点云样本就可以用（P,N,D）表示。（4）经过简化版的pointnet处理，也就是经过多层mlp，bn,relu层处