Frustum Pointnet与PointFusion的对比理解

点云目标检测系列文章一

引言

最近在看点云目标检测的论文，发现这些论文不是相互独立的，很多文章自带CP属性，有很多相似点，非常值得放在一起来对比。今天参加1V1 battle的两篇文章分别是：Frustum Pointnet与PointFusion（为了方便后文分别简称为FP和PF）。前者的作者大家非常熟悉了，是PointNet的作者；而PointFusion的作者是李飞飞的学生Danfei Xu。都是响当当的牛人了。

两篇文章的对比分为相似点和不同点。

相似点

1、都是2017年提交到arxiv上的且时间很近，只差7天，不存在谁借鉴谁。

2、采取的技术方案都是先用2D检测器获得图像上的选框，然后，对应到小范围的三维点云空间去做3D选框的回归。

3、由于当时KITTI三维点云test集的标签是不公开的，所以论文中的结果都是在val数据上测试得到的。所以当提交到KITTI上用官方的test集测试时，论文中的指标会有所下降。比如FP。但是KITTI上目前没有PF的成绩。

不同点

1、回归的方法不同，FP首先用pointnet做点云语义分割，然后再用一个轻量版的pointnet做bbox回归。而PF同时利用了点云和图像的特征来做回归，省略了点云分割这一步。

2、FP的结果比PF高。

结果差异的来源

1、2D检测器不同。

2、3D回归方法不同。

待续……