又一篇3D点云detection的顶会。这篇文章是two stage的方法，非end-to-end。文章的前提是利用faster rcnn得到2D图像的image crop；然后才是本文介绍的PointFusion，即将image crop和对应的3D点云数据作为输入，得到3D box。可以说这篇文章实际2D检测基础上做3D检测。

 

整个模型如图：

• 输入：2D 图像块（fatser RCNN检测结果）；对应的3D点云
• 模型：
  • 特征提取：
    • 2D图像用预训练的ResNet50提取1024d的特征
    • 用多个PointNet网络（去除BN层）提取1024d的全局特征（$1024\time1$）和每个点的64d特征（$64\time n$）