lidar 3D decetion小结

1.pointnet pointnet++：实现基于点云的分类和语义分割。提出了基于点云的特征提取网络。（https://zhuanlan.zhihu.com/p/336496973）

2.VoxelNet：第一篇提出将点云转体素，进行3d检测。https://zhuanlan.zhihu.com/p/352419316

3.SECOND：用spconv 替换3d卷积，减少计算量。https://zhuanlan.zhihu.com/p/356892010

• 将稀疏的输入特征通过gather操作获得密集的gather特征；
• 然后使用GEMM对密集的gather特征进行卷积操作，获得密集的输出特征；
• 通过预先构建的输入-输出索引规则矩阵，将密集的输出特征映射到稀疏的输出特征

4.PointPillars：将Point转化成一个个的Pillar（柱体），从而构成了伪图片的数据。head是SSD（single stage detection 基于anchor）。

5.PV-RCNN：进一步提高SECOND

历史发展：https://zhuanlan.zhihu.com/p/75103748

6.centerpoint。点云特征可以用voxelNet或者pointpillar提取，head采用类似centernet。