文章目录
论文：PV-RCNN++: Point-Voxel Feature Set Abstraction With Local Vector Representation for 3D Object Detection
PVRCNN的作者又放出了PVRCNN++，主要在效率上做了改进。
PV-RCNN++
本文首先介绍了PVRCNN，然后基于PVRCNN的框架介绍了PVRCNN++的改进。PVRCNN就不介绍了，可以详见另一篇博客。
PVRCNN速度慢主要是慢在了point-based network这个部分。PVRCNN对做了如下改进。
SPC
FPS比较慢，因为FPS是
O
(
n
2
)
O(n^2)
O(n2)的时间复杂度。并且FPS是覆盖了整个场景的采样，大量的点会采在背景点上。所以作者提出SPC：第一步是用预测的proposal选出靠近物体的点，从而降低点的数量；第二步是将整个场景以激光雷达为原点，按角度分成多份，每个角度内，再用FPS。
通过减少FPS输入点的数量，来降低FPS的计算时间。而且使得选出来的key point都在物体附近
VectorPool aggregation
SA另外慢还慢在了要做radiusNN，而且SA用的MLP会丢失相对位置关系。所以作者提出了VectorPool的操作，如下图：
对于一个key point，在其周围构建一个voxel，然后对每个格子内的点做平均，然后用一个MLP做特征提取，然后把每个格子的特征拼接起来。
KITTI上报告的运算速度是每帧0.06s，感觉也已经很高了。