[论文笔记] VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection

VoxelNet

1. contribution

• 针对激光雷达获取的高数量级点云数据，提出了一个端到端的可训练深度网络架构，实现精度较高的物体检测任务。
• 将稀疏的点云数据转化为稠密的体素（voxel）张量，能够进行GPU加速。

2. 网络架构

网络架构分为三层：

• 特征提取层：将点云划分为voxel形式，使用层级的VFE层提取特征，得到稀疏的voxel-wise特征张量。
• 中间卷积层：使用3D卷积，得到全局特征张量。
• RPN层：特征整合，anchor提取，输出预测结果：概率预测图，回归图。

2.1特征提取层（Feature Learning Network)

2.1.1 Voxel Partition

将输入的点云空间（DxWxH）均匀划分为voxel，得到D’xH’xW’个voxel。

2.1.2 Grouping

将点云空间中的点划分到其位置对应的voxel中。由于点云的分布不均匀，每个voxel中点的个数不一定相等。（应该有很多空的？）

2.1.3 Random Sampling

对于每个voxel，若所含点数大于T，则随机采样T个。目的：

• 节约开销。
• 降低各voxel之间点个数的不平衡。

2.1.4 Stacked Voxel Feature Encoding

每一层VEF的作用原理这个博客讲的很好，直接贴过来：