VoxelNet: 基于点云的三维空间信息逐层次学习网络

                                            量化结果。使用LiDAR检测的3D BoundingBox被投影到RGB图像

1. 论文综述

       3D点云中目标的精准检测是很多应用场景的核心问题，如自动驾驶，家居机器人，虚拟/增强现实。为了将高度稀疏的LiDAR点云与区域候选网络连接在一起，很多研究学者将关注带你放在手工设计的特征表达，例如鸟瞰投影a bird's eye view projection. 这份工作中作者放弃了人工设计特征，直接提出了端到端的VoxelNet进行3D目标检测。具体来说，VoxelNet将点云划分为等间距的三维体素，并通过新引入的体素特征编码(VFE)层将每个体素内的一组点转换为统一的特征表示。这样，点云可以被编码成可以描述的体积表征，进而他被量接到区域候选网络进行目标检测。在KITTI数据集上，作者的方法取得了最好的结果。

• VoxelNet是一种基于点云的-可训练的-端到端的-3D目标识别框架，可以直接作用于系数的3D点云，避免了特征工程；
• 该框架融合了稀疏点云结构，并且充分利用了voxel grid的并行处理
• 该文也提出了一种有效的数据增强策略

在基于LiDAR的3D目标检测任务中，大多数方法均采用了特征工程的方法进行算法设计，最多的就是鸟瞰视觉投影。作者创新性的移除了人为的特征工程，并提出了有效的端到端的VoxelNet-3D detection框架。该方法最大的亮点在