VoxelNet

https://arxiv.org/abs/1711.06396

VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection

1. Point cloud의 '어떤 특성'때문에 Voxelization이 필요한가? sparse, has variable point density
2. 왜 Voxelizing 이후 인코딩하는 것에 PointNet의 개념이 활용되는가? (2번 개념은 PointPillars와 동일)

1. Feature Learning Network

grouping

3D space를 균일한 사이즈의 voxel로 나눈다.

point cloud는 sparse 하고 variable point density를 가지는 특성이 있다.

Random sampling 

각 voxel당 point 수를 T개 까지로 제한을 둔다.-> computational saving, voxel 간 불균형 감소

stacked VFE layer

voxel 하나에 진행하는 VFE layer는 pointnet과 거의 동일한 구조임.

 

point wise feature와 locally aggregated feature를 combine -> voxel 간 interaction, descriptive shape information 얻음

Sparse Tensor Representation

voxel wise feature를 sparse 4D tensor로 표현. 

 

2. Convolutional Middle Layers

3D conv + BN + ReLU

 

3. Region Proposal Network

 

결론

1. end-to-end : BEV로 변환하는 전처리과정 불필요

2. sparse한 point cloud를 voxel형태의 격자구조로 구조화하여 밀집된 형태로 변환함.

3. 병렬처리가 가능하여 계산 효율성 증대 및 메모리 절약