PV-RCNN

PV-RCNN

Key Knowledgeable：

1. Point-based and Voxel-based
2. Voxel Set Abstraction (VSA)
   FPS采样n个关键点。
   
   对于每个关键点，分别在原始点云图fraw、3D稀疏卷积之后的多尺度特征图fpv、BEV投影的特征fbev上采用PointNet++的思想将一个半径范围的点视为一个集合（Voxel-based），获取点与点之间的邻域特征：
   
   并将一个区域内的特征聚合（Point-based）：
   得到[fraw，fpv，fbev]
3. Predicted Keypoint Weighting.
   最后再根据关键点特征进行前景点的置信度预测，为特征赋权：
   
4. RoI-grid Pooling
   一方面同正常的RoI Pooling为了在不同大小的proposals中获得固定大小的特征。
   另一方面使用VSA代替普通的avg或者padding的方法，灵活捕捉周围关键点的信息（甚至是proposal范围之外的）。
   
   对每个proposal采样6×6×6个点，使用VSA来捕获周围关键点的特征：
   
   并同上处理保存在采样点上：
   设置不同的半径r来实现多尺度获得不同的接受域。
   每个proposal都统一获得256个特征
   用于最后的Confidence：和Box Refinement。