1、前言
精确的点云检测在很多三维场景的应用中都是十分重要的一环,比如家用机机器人、无人驾驶汽车等场景。然而高效且准确的点云检测在pointnet网络提出之前,一直没能取得很好的进展,因为传统的手工点云特征提取会造成信息不能被高效提取并且人为设计的特征无法满足点云检测场景下信息的不变性;造成了点云信息被利用的瓶颈。所以VoxelNet打破了这一限制,使得点云检测的框架从手工特征提取变成了端到端的机器自动学习所需的信息。
VoxelNet是一篇比较早的点云检测模型了,由苹果公司在2016年提出。它完成了点云的端到端的检测。直接使用PointNet网络作为点云特征提取器,完成对点云的特征提取,这也使得整个检测网络相比于之前的特征提取方式更加高效;提取的特征也具有更好的泛化性能;使得该模型在当时的KITTI点云检测中也取得了SOTA的成绩。
VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection: