点云目标检测系列文章一
引言
最近在看点云目标检测的论文,发现这些论文不是相互独立的,很多文章自带CP属性,有很多相似点,非常值得放在一起来对比。今天参加1V1 battle的两篇文章分别是:Frustum Pointnet与PointFusion(为了方便后文分别简称为FP和PF)。前者的作者大家非常熟悉了,是PointNet的作者;而PointFusion的作者是李飞飞的学生Danfei Xu。都是响当当的牛人了。
两篇文章的对比分为相似点和不同点。
相似点
1、都是2017年提交到arxiv上的且时间很近,只差7天,不存在谁借鉴谁。
2、采取的技术方案都是先用2D检测器获得图像上的选框,然后,对应到小范围的三维点云空间去做3D选框的回归。
3、由于当时KITTI三维点云test集的标签是不公开的,所以论文中的结果都是在val数据上测试得到的。所以当提交到KITTI上用官方的test集测试时,论文中的指标会有所下降。比如FP。但是KITTI上目前没有PF的成绩。
不同点
1、回归的方法不同,FP首先用pointnet做点云语义分割,然后再用一个轻量版的pointnet做bbox回归。而PF同时利用了点云和图像的特征来做回归,省略了点云分割这一步。
2、FP的结果比PF高。
结果差异的来源
1、2D检测器不同。
2、3D回归方法不同。
待续……