PointRCNN网络结构

paper：https://arxiv.org/pdf/1812.04244

github：https://github.com/sshaoshuai/PointRCNN.git

背景

基于点云的3D检测的困难主要在于点云的不规则性，常见3D检测的SOTA的方法：

（1）将点云投射到俯视图(AVOD)或者投射到前视图 (MV3D)，利用2D检测的框架进行目标检测；

（2）要么是变成规则的3D voxels (VoxelNet)；

（3）基于点云的PointNet、PointNet++，不将点云转换成voxels或其他的规则的数据结构来进行特征学习，而是直接从点云数据来学习3D表示。F-PointNet在3D目标检测中应用了PointNet，从2DRGB检测的结果获得被截取点云，基于这个来估计3D bounding box。 但是这种方法过于依赖2D检测的表现，如果图像漏检或者重叠，都会带来较坏的结果。