三维激光雷达点云处理发展趋势

本人关注的3D目标检测的文章多一些，所以本文在点云检测，分割领域的发展趋势的理解可能还浅一些，希望能与大家交流。

2020年的CVPR出来之后，在点云处理方面给人的感觉是耳目一新，从众多论文中可以看出点云处理的新的发展方向。

发展趋势

1、Point-Voxel

在之前的发展中，方法大致可以分为如下几类：

• Point-based：就是以pointnet++为代表，使用MLP提取point-wise的特征；以PointCNN为代表的，先计算卷积核，然后对点做卷积
• Voxel-based：以Sparse Convolution为代表，使用3D卷积核提取特征
• Graph-based：虽然看起来Graph based的方法适用性更强，是针对无序数据可以通用的一种方法，但在点云处理中，就显得速度慢，精度也并没有特别突出。

2020年则更多的尝试在Point和Voxel相结合：

Point-Voxel CNN for Efficient 3D Deep Learning，在保证速度的同时提取point-wise的细粒度的特征，减少了运算时间，提高了精度。而且该文章提出的是backbone，所以在识别、分割、分类的方法上都能使用。

3DSSD: Point-based 3D Single Stage Object Detector，使用point-based的分支做分割任务，使用voxel-based分支做检测任务，point-based的特征来自于voxel-based的插值，从而增加了一种监督方法。