qq_36101623的博客

然后将关键点的学到的判别性特征聚合到具有多个感受野的RoI（感兴趣区域）-grid点上，以捕获更丰富的上下文信息，用于精细的提案精化。通常而言，基于网格的方法在计算上更为高效，但不可避免的信息损失降低了细粒度定位的准确性，而基于点的方法计算成本更高，但通过点集抽象[24]可以轻松实现更大的感受野。PV-RCNN的原则在于，基于体素的操作能够高效编码多尺度特征表示，并能生成高质量的3D提案，而基于PointNet的集合抽象操作保留了灵活感受野下的准确位置信息。将LiDAR扫描得到的点云数据用于建模和检测。