标签：特征 坐标 set 缺点 height col ica stage multi
3D点云做detection的一篇milestone paper。经典的two-stage方法（region proposal-based method）。思路来自于经典的faster rcnn。
整个模型如下图
图一. 整体模型
这篇文章可以归纳为是multiview-based method，multi-view的方法是指将三维点云按照不同view进行映射，得到很多的2D图像，因为2D图像的CNN很强大，这样就可以用2D CNN处理。最后将不同view得到的feature进行融合(fusion)，再进行后续的不同task，如classification、detection、segmentation等等。这种方法优缺点都很明显，优点是CNN处理2D图像很强大也更成熟，缺点是有限的views会造成信息的损失。
这篇文章映射的角度包括Bird‘s Eye View（鸟瞰图）和Front View(前视图）。
对整个点云按照鸟瞰的视角，按照0.1米的分辨率进行网格化(grid)采样。每个网格(cell)在高度这一特征(height feature)上取该网格里所有点云的最大值。特别地，作者并不是仅仅只取一个鸟瞰图，而是对整个点云按照不同高度，均匀切片成M片(M slices)。每个切片产生一张height map，里面记录了每个切片里面每个cell的最大高度。采样的每个网格(cell)的intensity feature就是max height的那个点的intensity。点云的density feature指每个cell的点数量(记为$N$)，按照$min(1.0, \frac{log(N+1}{log(64)})$进行归一化。因此共有M个height map，1个density feature和1个intensity feature，共$N+2$维的特征。
前视图作为鸟瞰图的补充信息。但是由于点云数据稀疏程度是不均匀的，很多地方非常稀疏，因此作者并不是将点云投射到图像平面（image plane），而是投射到圆柱平面（cylinder plane）来产生密集的前视图。
极坐标投影转换关系如下图，得到前视图极坐标$P_{f_c}=(r,c)$
图二. 前视图圆柱投影
首先用一个网络生成region proposals.
整个模型是针对KITTI数据集，所以输入包括①BEV（鸟瞰图）、②RGB image和③front view of LIDAR point cloud。
[cvpr17]Multi-View 3D Object Detection Network for Autonomous Driving
标签：特征 坐标 set 缺点 height col ica stage multi
原文地址：https://www.cnblogs.com/xiaoaoran/p/12213024.html
