matlab点云数据投影_基于深度学习的激光雷达点云物体识别方法总结

0. 前言：

激光雷达作为自动驾驶不可或缺的传感器，随着价格不断下降，各种基于深度学习的模型也层出不穷（坐等马斯克打脸）;

激光雷达物体识别的任务:

• 输入: 激光点云(x, y, z, intensity)
• 输出: 3D Boundingbox(BB) 信息: 中心点左边(x, y, z); 3D BB尺寸 length width height, 三个方向的朝向角 yaw pitch roll, 但是考虑到自动驾驶车辆实际是行驶在二维世界,所以真正的输出常是(x, y, l, w, h, yaw)

激光雷达点云的特点:

1. 点云无序性
2. 相邻点相关性
3. 旋转平移不变行

1. 正文

基于深度学习方法的物体识别路线，根据模型输入形式可以大体分为以下三类:

1. 纯点云输入
2. 将点云转化为体素格子
3. 将点云投影到二维栅格图中，这又分为将投影到鸟瞰图(BEV)和前视图

下面基于上面的分类对当前的模型做一个总结：

1. 基于纯点的输入：

这个最出名的就是 PointNet 系列了，具体可以参考我专栏对这几篇文章的解读: PointNet系列(1)-PointNet论文解读; PointNet系列(2)-PointNet++论文解读; PointNet系列(3)-Frustum-PointNet论文解读; PointNet 提出了将纯点