PointPillars: Fast Encoders for Object Detection from Point Clouds

![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/482094/60987e9b-2f42-da21-0780-fb20a3e2def5.png)

以前のVoxelNetとの違いは空間をVoxelとして捉えるのではなく、Pillarとして捉えた事！
それにより大幅に高速化された。

アルゴリズム

入力(Pointcloud to Stacked Pillar)

以下の9つの特徴からなる x,y,z,r =>pointの位置と反射強度 xc,yc,zc=>pillar内のPointの平均値からの距離 xp,yp => pillarの中心位置からのoffset

これにより、tensor sizeは、size(D,P,N)となる
D x P x N = 単点が保有する次元数（9) x 点の存在するpillarの数 x pillarに存在する点の数

特徴量学習(Stacked Pillar to Learned Feature)

PointNetで(D(9つの特徴),P,N)を(C,P,N)の特徴量を学習する各Pillar内でChannel-wiseに最大の値を取ると、(C,P)が得られる

shape変換(Learned Feature to Pseudo Image)

Pillarを元のHeightとwidthに戻すと(C,H,W)のPseudo Imageが得られる。

*3Dの高さの情報はチャネルに畳み込まれてしまいました

Backbone

2D DetectionのBackbone(特徴を抽出するModule)と同じ

Detection Head

2D DetectionのSSDのHead(得られた特徴から最終的なDetectionを行うModule)を使用

結果

![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/482094/35f0552c-dff1-989b-bb2f-b1ca1ce14b0f.png) 精度はSECONDよりちょい良いくらいだが、Speedは3倍程度速い！

*Speedに関してDetectionのエリアを絞っているので注意

結論

・Voxelの代わりにPillarを使う事で高速化を果たした。

参考文献

PointPillars: Fast Encoders for Object Detection from Point Clouds https://arxiv.org/pdf/1812.05784.pdf