PointPillars 原理及与 PointNet 的区别
答案要点
- 俯视图划分 pillar,高度方向不切分;点特征扩展为 9 维(坐标、强度、相对均值和中心的偏移)
- 简化 PointNet:逐点线性层+BN+ReLU,柱内 max pooling 得到 pillar 特征
- 按位置 scatter 成 C×H×W 伪图像,用 2D 骨干网络多尺度提特征
- SSD 式 anchor 检测头回归 3D 框、朝向,并有方向分类
- PointNet 对整个点集做共享 MLP+最大池化,用于分类分割;PointPillars 只把它作局部编码器,主体是 2D 卷积,面向实时检测
易错点
- 把 pillar 说成三维体素,忽略其高度方向不切分
- 以为 PointPillars 用的是完整 PointNet(含 T-Net),实际是简化版
- 把 PointNet 的应用说成 3D 检测,它主要用于分类和分割
面试官常见追问
- PointPillars 和 VoxelNet 有什么区别?
- PointNet 为什么用最大池化?
- PointPillars 的缺点是什么?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。