2
0标题: PV-RCNN++: Point-Voxel Feature Set Abstraction With Local Vector Representation for 3D Object Detection
作者: Shaoshuai Shi, Li Jiang, Jiajun Deng, Zhe Wang, Chaoxu Guo, Jianping Shi, Xiaogang Wang, Hongsheng Li
arXiv ID: 2102.00463v3
日期: 2021-01-31
概要：PV-RCNN++ 采用两阶段架构解决大规模点云3D检测的效率与精度权衡问题。第一阶段通过3D稀疏卷积生成初始候选框；第二阶段通过"体素→关键点→网格"的深度特征交织流程进行精修，其中扇形化候选框中心采样（SPC）将关键点集中于高价值区域，VectorPool模块以紧凑的局部向量表示实现高效特征聚合，最终在150m×150m场景达到10 FPS，较PV-RCNN提速3倍。
主干流程：
多尺度体素特征提取与初始候选框生成
扇形化候选框中心关键点采样（SPC）
体素到关键点的场景编码（基于VectorPool的VSA）
关键点到网格的RoI特征抽象（基于VectorPool的RoI-grid Pooling）
候选框精细化回归与IoU置信度预测
声明：本节目论文解析与语音合成均由 AI 完成；解析内容基于本期解读时，该论文在 arXiv 上公开的对应版本；其中所有涉及原论文的图、数据均引用自原论文，如涉及侵权，请及时联系删除；AI 解读难免存在错误遗漏，如有发现欢迎联系修改；如需深入研究，建议阅读原文。
