PointFusion文章个人理解
文章标题：PointFusion: Deep Sensor Fusion for 3D Bounding Box Estimation
作者：Danfei Xu,et al. Standford
1.网络概述
这个网络的输入是经过2D检测器处理的图片和对应的点云，网络的作用是做回归，输出3D BBox。
2.提取特征
分别使用Pointnet和Resnet对点云和图片进行处理。
其中对于pointnet的改造主要有两点：
1、去掉了batch normalization层，作者的解释是能够提高三维包围框的估计性能；
2、把T-net改成了旋转矩阵Rc。
3.特征融合网络
有两种：
global fusion
这里对应图中2D所示，把两个特征进行concatation，然后经过全连接层处理，直接回归8个顶点的坐标。它的损失函数为：
dense fusion
这个网络是为了克服目标尺寸差异的影响，受到2维目标检测启发设计的。这里把点云每个点的特征和图像特征拼接起来，一起进行处理，输出每个点的带有分数的3维包围框，测试中，分数最高的就是最终结果。
损失函数如上式所示。x是点到框的偏移。Lscore是分数损失函数，关于这个量的具体解释在3.3节。
这个损失函数用来让网络学习点到最近目标框的空间偏移量，
smoothL1损失函数相当于是在小于1的部分使用2范数（更smooth，且求导方便）,在大于1的部分使用1范数(避免梯度爆炸，同时减少outlier的影响)