120、基于点云的3D检测：从VoxelNet到CenterPoint的演进
深夜两点，盯着屏幕上那个mAP卡在68.3%的曲线，我第无数次怀疑是不是点云预处理出了问题。这是我在做园区无人配送车时遇到的真实场景——激光雷达扫出来的点云明明很干净，但3D检测网络就是学不进去。后来发现，问题出在体素化时那个该死的体素尺寸上，0.1米和0.2米的差距，直接让模型对远处小目标的召回率掉了15个点。今天这篇笔记，就从这个坑聊起，把从VoxelNet到CenterPoint这条3D检测演进路线掰开揉碎了讲清楚。
先说VoxelNet。2017年那会儿，大家还在用手工特征（比如统计每个体素内的点云高度、强度分布）去喂2D卷积网络，效果嘛，只能说勉强能用。VoxelNet干了一件狠事——把原始点云直接丢进网络，用体素特征编码层（VFE）自动学习每个体素内的局部特征。当时我照着论文复现，第一版代码跑起来发现显存爆炸，因为作者用了全连接层对每个体素内的所有点做逐点特征提取，体素数量一多，参数和计算量直接起飞。这里踩过坑：别傻乎乎地把所有体素都塞进网络，一定要做稀疏化处理，只保留有点的体素。VoxelNet的另一个关键设计是中间层用3D卷积进一步聚合空间特征，最后接RPN输出3D框。但它的致命伤也在这——3D卷积对算力要求太苛刻，一个64维特征图在128×128×128的体素空间上做卷积，显存直接爆掉，工业界根本跑不起来。
所以后来有了SECOND，它把3D卷积换成了稀疏卷积，只对非空体素做计算，速度提升了一个数量级。但SECOND的检测头还是基于锚框的，每个位置要预设多个不同朝向、不同尺寸的anchor，正负样本极度不平衡，训练时得费劲心思设计focal lo
)
