三维目标检测论文阅读：PIXOR: Real-time 3D Object Detection from Point Clouds

PIXOR: Real-time 3D Object Detection from Point Clouds

论文链接：http://www.cs.toronto.edu/~wenjie/papers/cvpr18/pixor.pdf

代码链接：https://github.com/Yachao-Zhang/PIXOR

摘要：本文是18年CVPR，时间比较久了网上解读版本很多，本文只是记录一下在阅读论文时感觉比较重要的部分细节。该文的主要思想是想利用已有的2D卷积技术实现快速的点云三维目标检测，即通过将雷达数据转化为img形的矩阵，利用修改后的网络模型（backbone和head）实现类别预测和位置回归；主要流程看下图：

1、点云转化为img形的矩阵（Input representation）：

可以从上图看出，这个representation包含有很多的二维的矩阵，具体是36个，类别RGB图像的3个矩阵的叠加，其中35个是 强度特征，1个是反射率特征，这两个特征在muti-view 3D目标检测一文中有详细说明。强度特征矩阵的大小是如何定义的，选取一个感兴趣的区域（矩形的）长宽高分别为L W H，那么为了能够使其像素化，需要将这个大的区域分为若干个小区域的拼接，统计每个小区域中的点的个数为最后的像素值；划分的分辨率分别为：