一、3DAL

1.论文概述

由于论文的出发点是做一个离线的自动标注算法。所以没有太多的实时性和算力限制，模型可以做的大一点，融合的信息多一点(时序信息，离线没有因果关系，所以前后帧数据都可以用)。个人感觉整体思路和二阶段目标检测算法差不多，都是Coarse-to-Fine(由粗到细)的思想。

2.算法框架

第一步：输入点云序列，经过一个离线的目标检测算法(MVF++)得到每一帧的检测结果，同时通过目标跟踪(卡尔曼滤波)得到每个目标的整个轨迹序列。这一步得到的检测框较为粗糙。

第二步：已知目标检测框的轨迹序列和原始点云序列，将他们全部转换到世界坐标系下，同时我们把每个物体的点序列(检测框内的点)和框序列提取出来。这里点序列提取时，会把点提取范围扩大一点(也就是把框放大一点，提取更多有用特征)。这样我们得到一个物体的序列点和序列框，用于后续的box细化。

第三步：一个物体多帧点云和框都转到世界坐标系下之后，静态的物体点云会更加稠密完整，而动态的物体则会由于运行，点云会形成拖影。同时静止的物体我们希望在序列中只生成一个框，这样可以防止其抖动。所以论文中采用动静分离的方式来做refine。如果一个物体的连续轨迹大于7帧，我们才进行下面的操作，如果小于7帧，直接把检测结果当作最终标注结果。我们根据两个启发式特征(box中心的方差和box序列中开始结束位置偏差)送入一个线性分类器，来判断是静止物体还是运动物体。

第四步：动静态分别细化，根据物体序列点和box特征，对box的大小位置进行细化。下面细说。

3.一二阶段网络模型

MVF++模型改进

a.添加了一个语义分割的分支，用于判断每个点是否在框内。增强了点特征的区分能力。

b.使用anchor-free的方式

c.加大原始MVF++模型的大小，把普通的卷积块换为ResNet残差块。

整个模型提取完点特征之后，加上类似于pointpillar的结构来检测物体。

埋个坑，这里的反体素化操作是怎么进行的？

静态物体自动标注

模型从不同帧中合并对象的点云，这时合并完是在世界坐标系下，选取一个score最大的框参数作为初始化box参数，然后把点云都转到box坐标系下(box中心为远点，车头为x正方向)，这样有助于refine参数的学习。然后通过pointnet进行点的语义分割，判断哪些是前景点，对背景点进行过滤，然后再预测一个box refine参数，这个细化后的box，可以根据车辆的ego参数，转换到其他不同帧中去。