主要思想
本文提出了一种新的两阶段3D目标检测框架，称之为稀疏到稠密三维目标检测框架（STD）。第一个阶段是自下而上的proposal生成网络，该网络使用原始点云作为输入，通过为每个点播种新的球形anchor来生成准确的proposal。与以前的工作相比，该算法具有较高的计算量和较少的计算量。然后，PointsPool将proposal特征的内部点特征从稀疏表达式转换为紧凑表示来生成proposal features，这样可以节省更多的计算时间。在第二阶段的box预测中，本文实现了一个并行交并（IoU）分支，以提高定位精度，从而进一步提高性能。在KITTI数据集上进行了实验，并从三维物体和鸟瞰图（BEV）检测两个方面对STD进行了评价。本文的方法在很大程度上优于其他技术，特别是在硬件上，推理速度超过了10 FPS。
创新点
本文的创新点主要有以下四点：
1. 提出了一种基于点的球形anchor点云目标检测方案生成模型，它是通用的，以实现高召回率。
2. PointsPool层集成了基于点和体素的方法的优点，实现了高效和有效的预测。
3. 新的3D IoU预测分支有助于分类score和定位之间的对齐，从而带来显著的改进。
4. 在KITTI数据集上的实验结果表明， STD框架处理了许多具有高遮挡和拥挤度的挑战性案例，性能达到了SOTA。此外，STD在10 FPS的速度下可以获得良好的性能。
网络结构
现有的3D物体检测方法主要是将点云投影到不同的视图中，或者将它们分割成体素。相反，本文设计了一个通用的策略来独立地基于每个点播种anchor。
然后利用每个锚的内部点的特征来生成proposal，通过这种结构，保留了足够的上下文信息，即使只有少量的proposal，也能实现较好的召回。
如上图所示，STD主要包括特征提取模块、Proposal Generation Moudle、PointsPool模块以及分类回归模块，网络的输入为整幅点云。
针对特征提取模块：论文采用PointNet++网络来对点云特征进行处理，输出Points Score Mask和Points Feature部分。
针对PGM部分： 独立地基于每个点来播种球形anchor，球形anchor的数量与预定义的参考框方向的数量不成正比，导致anchor的数量减少约50%。在计算量大大减少的情况下，与传统anchor相比，球形anchor具有更高的召回率。紧接着，利用每个anchor的内点特征生成proposal。
针对PointsPool模块：PointsPool层由三个步骤组成，第一步随机为每个proposal选择N个内点，以它们的标准坐标和语义特征作为初始特征。对于每个proposal，通过减去其中心（X；Y；Z）值并将其旋转到proposal预测的方向来获得点规范位置。这些规范化的坐标使模型在几何变换下具有鲁棒性，并且能够意识到内部点的相对位置，从而比仅使用语义特征获得更好的性能。
针对分类回归模块： 主要包括IoU估计和类别位置的预测。IoU分支用来预测box和相应的Ground Truth之间的3D IoU。然后，将每个box的分类分数与其3D IoU相乘作为新的排序标准。该设计消除了定位精度与经典核之间的差异，有效地提高了系统的性能。后期对分类回归的box进行NMS处理，完成最终的检测。
实验结果
本文的实验数据共有7481幅训练图像/点云和7518幅测试图像/点云，分为汽车、行人和自行车三类。使用平均精度（AP）度量来比较不同的方法。在评估过程中，遵循官方的KITTI评估协议。也就是说，针对汽车，IoU阈值为0.7；针对行人和自行车IoU阈值为0.5。
KITTI数据集下多模型性能对比：
上述内容，如有侵犯版权，请联系作者，会自行删文。