VoxelNet: point cloud 3D spatial information hierarchical learning network

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

1. 论文综述

在3D点云中实现目标的精确识别是一项具有重要意义的技术，在自动驾驶、家庭 Service机器人以及虚拟/增强现实等多个应用场景中均面临这一关键挑战。为了将稀疏度较高的LiDAR点云与区域候选网络建立关联，在现有研究中学者们倾向于采用人工设计特征提取的方式，并基于鸟瞰投影等方法构建特征表示模型。然而，在这项工作中作者摒弃了传统的人工特征设计思路，在此基础上直接提出了一种端到端的VoxelNet算法用于3D目标检测任务。具体而言,VoxelNet通过将三维空间划分为等间距体素并引入体素特征编码（VFE）层实现了单个体素内多维点信息的有效融合与统一表征。这样一来,经过编码处理后的点云数据便能够被有效关联至区域候选网络进而完成目标识别过程。在KITTI数据集上的实验结果表明,所提出的算法表现出了优异的效果

• VoxelNet是一种以三维点数据为基础的设计出来的全连接式、具有可学习性的端到端的目标检测系统。
  • 这个体系融合了稀疏性特征并且充分运用了多线程计算的优势
  • 研究者还提出了