【论文阅读】【三维目标检测】在Range view上做3D目标检测

range view是仅针对物理旋转式扫描的激光雷达的特殊view，例如velodyne64线，128线都是。具体，旋转式扫描的激光雷达都是在水平方向进行旋转，竖直方向为固定个数的激光传感器，传感器的个数是和激光雷达线数是一样的。这样的扫描方式，使得该类型的激光雷达扫描出来的坐标系实际是一个柱坐标系，在水平和竖直方向都是有固定角分辨率的。用水平和竖直方向的角度信息，可以准确的检索到点云中的每一个点。所以整个点云可以用水平和竖直方向的角度来稠密表示，从而形成range view的表示方法。

range view在3D语义分割上用的比较成熟，例如RangeNet，但在3D目标检测上面，和主流的在BEV下左检测的网络，效果差距比较大。今年，新出来几篇在使用range view上做检测的文章。

先说结论：直接在range view上使用Conv2D提取特征有限，无法满足3D Object Detection。

BEV or Range View

	BEV	Range View
是否需要栅格化	需要	不需要

BEV：

• 优点：物体尺寸变化不大，物体之间没有遮挡，相对位置关系为3维空间
• 缺点：需要进行栅格化，信息稀疏

Range view：

• 优点：不需要栅格化，信息稠密
• 缺点：物体近大远小，物体之间遮挡

---

RangeDet: In Defense of Range View for LiDAR-based 3D Object Detection

出自图森

文中认为，range view效果不行的因素有三个：

• range view中物体尺寸变化大
• range view中的卷积是在2D pixel coord，而物体检测要在3D space，这两者之间有差距
• range view中提取的特征更紧密，但如何有效利用这种特征，其他range view的方法并没有考虑

针对上述三个因素，本文提出了相对应的3个改进

Range Conditioned Pyramid In

近大远小的问题，更通用的一种问题就是物体scale大小不同，在主流的2D目标检测网络上，使用的FPN的结构，对scale大小不同的物体做分治策略的检测。那这种分治的策略，将不同物体放置在不同层级的特征图上的方法是根据IoU的。本文提出，按照range来放置，将0-80m的距离分为[0, 15), [15, 30), [30, 80]三个区间，每个区间中的物体用一个特征图来检测。

Meta-Kernel Convolution

作者认为，传统的2D conv中的卷积核的权重是在整feature map上共享的，这样不好。我认为这种理解就是，近处3x3的卷积核覆盖的范围和远处3x3的卷积核覆盖的范围完全不同，使用同样的权重，不太妥当。所以本文提出，将卷积核的权重变得可变起来。

具体而言，对于特征图中的一个点$p_i$，要提取他的特征，分为以下几步：

• 根据特征图位置，找到其邻域，其实就是3x3的邻域，并找到其中的点$p$