摘要

我们提出了一种基于原始点云的新型3D目标检测框架，命名为IPOD。该框架为每个点（基本元素）生成目标提议。这种范式为我们提供了高召回率和高信息保真度，从而成为处理点云数据的一种合适方法。我们设计了一种端到端可训练的架构，在该架构中，从骨干网络中提取提案内所有点的特征，以实现最终边界框推理的提案特征。这些特征结合了上下文信息和精确的点云坐标，从而提高了性能。我们在KITTI数据集上进行了实验，评估了我们在3D目标检测、鸟瞰图（BEV）检测和2D目标检测方面的表现。我们的方法实现了新的最先进水平，在困难集合上表现出显著优势。