1、CenterPoint: Center-based 3D Object Detection and Tracking 环境配置

Introduction

这篇文章刚刚被CVPR2021收录，利用鸟瞰图中物体的中心点来进行三维目标检测与跟踪。
使用的数据集是nuScenes和Waymo，是更具有挑战性的3D目标检测数据集。

• stage 1： CenterPoint首先利用基于keypoint的检测器来检测物体的中心，并回归出其他属性，包括3D size，3D orientation，和速度。
• stage 2：refine the estimates result，利用物体上额外的点云数据。

在3d跟踪任务中，CenterPoint利用greedy closest-point matching，总体的检测和跟踪算法简单，高效，在benchmark上表现优异。

这篇文章的优势在于以下几点:

• 简单: 可以用两句话来对于method做一个总结，"文章利用了标准的3d点云encoder编码和一些卷积层在head部分来产生bird-eye-view heatmap和一些其他的dense回归outputs(包括到上一帧物体中心的偏移量）。检测部分simple local peak extraction with refinement，跟踪部分 closest-distance matching
• 快且准: 不论是精度还是速度指标结果都不错
• 易扩展性：Simple replacement for anchor-based detector in your novel algorithms.

一些可以用到的第三方资源:

• CenterPoint-KITTI: Reimplementation of CenterPoint on the KITTI dataset 在KITTI数据集上的实现。
• AFDet: another work inspired by CenterNet achieves good performance on KITTI/Waymo dataset.
• mmdetection3d: CenterPoint in mmdet framework. 后期可以看一下

一些好的开源codebases，可以利用在3d点云目标检测上的:

• det3d
• second.pytorch
• CenterTrack
• CenterNet
• mmcv</