首先，本文是基于点云，并且直接处理点云数据的3D目标检测网络本文可以看做是对PointNet的一个改进。PointNet我们之前也聊到了。他最初是提取点的特征，然后通过对称函数（max pool）将所有的点特征进行聚合，得到全局点云特征，这就完成了特征提取部分的功能。但是在这个过程中，没有考虑到某些点与周围点之间的关系，没有提取局部的特征，这一点在CNN中大放异彩，因此也就限制了它的细粒度识别能力

这是一篇21年的综述，介绍了3D目标检测背景、传感器以及基于传感器的算法分类及其特点。

代码】【杂谈】Navicat导出数据库表设计文档具体说明。

本文的输入数据仅仅是单目图像，在方法上是融合了伪点云（Pseudo-LiDAR）的深度信息表示方法与Frustum PointNets的检测方法。乍一看文章和伪点云原论文一模一样，但是会更具体一点，也就是本文只关注单目图像，同时解决了一些伪点云存在的问题。作者提到了其他设备的一些弊端：深度相机能捕捉的范围很有限；双目相机工作的流程很麻烦，需要校准与同步；激光雷达就不用说了，很贵 哈哈哈哈哈。相比之

Fast R-CNN是对R-CNN和SPP-Net的改进，一方面借助SPP的思想，使得骨干网络只需要对原图做一次特征提取就好了，大大减少时间开销；另一方面将bbox的回归器和分类器都整合到了网络当中，方便了训练流程，也减少了特征存储的开销；还有一方面就是采用了新的训练策略，解决了SPP-Net中难以更新SPP模块之前的卷积层参数的问题。

目录

Fast RCNN几乎已经是端到端的模型了，并且相较于RCNN速度上有了很大的提升，但是距离实时的检测还有一定距离，当前速度的瓶颈来自于候选框的生成，因为他是跑在CPU上的。所以本文就提出了一个Region Proposal Network（RPN），用网络生成候选框，并且与检测器的特征提取网络共享特征。另一方面，引入了anchor机制，解决多尺度检测的问题。

两台相机一左一右对统一目标进行拍摄（相机的高度相同），得到两张图像，这两张图像只有左右偏移，我们可以根据这个偏移得到深度信息（目标距离相机的远近）。那么关键就变成了找到两张图片中的匹配关系，只要有了匹配关系就能得到视差，基于视差就能用上面的公式计算深度了。采用上面的算法得到视差图，使用视差图得到深度图，基于深度图转换成点云。背后的原理是：距离越远，左右偏移越大，距离越近，左右偏移越小。下面是某一个

首先，本文是基于点云，并且将点云处理成体素的3D目标检测网络。PV-RCNN融合了点云特征提取中基于体素方法和基于点方法的思想，进一步提高检测的性能提出了一种voxel-to-keypoint的编码方法，该方法将一帧内的多尺度体素特征编码为一系列的关键点中。这些关键点不仅保留了准确的位置信息，还拥有丰富的全局信息，可以提高三维检测性能。提出了一种在proposal中使用的多尺度的RoI特征提取层。

KITTI数据集很大，包括了很多任务，使用的训练样本7481个，测试样本7518个OpenPCDet——环境配置和训练测试（升级系统、Nvidia驱动、cuda11.3、cudnn8.2）【KITTI】KITTI数据集简介（一） — 激光雷达数据。