点云处理基础与 3D 目标检测
答案要点
- 点云是无序点集,含坐标及可选强度/颜色,稀疏且近密远疏
- 预处理:ROI 裁剪、体素降采样、滤波、地面分割、聚类
- PointNet 用共享 MLP 加最大池化对称函数处理无序性
- 体素化用 3D/稀疏卷积;PointPillars 投影到 BEV 后用 2D 卷积
- 输出 7 自由度 3D 框加类别和置信度,按 3D IoU 等计算 mAP
易错点
- 把点云当成有序数据,直接用对顺序敏感的网络处理
- 以为 PointNet 能很好捕捉局部结构,这是 PointNet++ 改进的点
- 忽略点云远处稀疏对检测远距离目标的影响
- 漏掉 3D 框的朝向角 yaw
面试官常见追问
- 为什么要用稀疏卷积?
- PointPillars 为什么快?
- 体素尺寸怎么取舍?
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。