本文共 1617 字，大约阅读时间需要 5 分钟。

CenterPoint，2021CVPR，刷榜nuScenes和Waymo数据集。

作者是与2D版的CenterNet是同样的，看来是一个组出来的文章。

从网络结构上看，本文就是将CenterNet用到了基于点云的三维目标检测问题上，但本文的出现也证明了，Anchor Free的这种方法应用在基于点云的三维目标检测任务中也是可行的。

Introduction

CenterPoint这篇的Introduction细节地说明了该方法的想法来源。

作者认为，相比于2D目标检测，3D目标检测有以下3个不同：

1）点云更稀疏，在空间中有很多地方是没有点的，也就没有原始特征。 2）3D Box是不与坐标系平行的，起码在xy坐标轴方向是不平行的。不像2D Box，总是一个水平的长方形。 3）3D Box尺寸变化大。（但我认为这个不成问题，2D中的也变化大）

第1点，第3点先按下不说，来说第2点。方向角的存在，使得预先的与坐标轴平行的anchor对于3D box来说就不能说是一个很好的解决方案了。原文中说：“One solution might be to classify a different template (anchor) for each object orientation [58, 59], but this unnecessarily increases the computational burden and may introduce a large number of potential false-positive detections. We argue that the main underlying challenge in linking up the 2D and 3D domains lies in this representation of objects.”

也就是说，使用与坐标轴平行的anchor会带来额外的计算负担和潜在的大量的假阳性的检测： 1）额外计算负担的理解：如果使用anchor，就要对角度也进行枚举，在PV-RCNN中就设置了0度和90度两种anchor，这相当于把某些层的计算量增加了一倍。 2）假阳性的理解：anchor的方向是与坐标轴平行的，如果位置正确，可能与真实的box也有很多的IoU，对于anchor来说是阳性anchor，但对于检测的IoU阈值可能就是阴性。

说明了anchor对于3D并不友好，那就自然引入了用Point来代表Object。这种想法，在STD等Point-based的的detector就出现过。那在voxel-based detector中，其实想法也类似。

那这里就埋下一个疑问：到底point要比anchor好多少？

CenterPoint

该网络是一个两个stage的网络。第一个stage就是3D版的CenterNet，特征金字塔用VoxelNet或者PointPillar构造，然后Detection Head就是CenterNet的头网络。预测每个类的heatmap，box的尺寸，方向，中心点亚像素级的偏移。

第二个阶段，本文提出，使用双线性插值，对得到的中心点插值一个feature，用这个feature来预测objectness和box refinement。objectness是与直接受IoU做监督。

对于Introduction中提到的1)和3)，提出了解决方法。对于1)点云更稀疏的问题，文章中加大了高斯核的半径，对于3)尺寸变化大的问题，文中采样预测尺寸的log值。

Experiment

实验也没啥可说的，效果杠杠滴。消融实验对Introduction中的问题添了坑：

可以看到，Center-based的方法，要比anchor好很多。消融实验还做了对本文提出的第二阶段的效果做了验证。

转载地址：https://blog.csdn.net/wqwqqwqw1231/article/details/117080449 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！