原文链接：https://arxiv.org/abs/2302.023671.引言目前基于激光雷达的主流方法分为基于点云的方法和基于体素的方法。前者能保留最多的几何信息，但点查询和遍历耗时；后者使用3D/2D卷积处理体素化点云，但用于提高效率的3D稀疏卷积在部署时会遇到困难。PointPillars作为设备部署的流行方法，使用对部署有利的2D卷积。但其使用最大池化提取每个柱体内点的特征，无法获取细粒度特征，影响最终性能（特别是对于小物体）。此外，其颈部网络FPN直接融合多尺度特征，缺少充分的特征交互。尽管PillarNet提高了PointPillars的性能，但其使用了部署困难的稀疏卷积。本文

论文：fastpillars.pdfhttps://arxiv.org/abs/2302.02367作者：东南大学，美团代码：https://github.com/StiphyJay/FastPillars（暂未开源）讲解：https://mp.weixin.qq.com/s/ocNH2QBoD2AeK-rLFK6wEQPointPillars简单地利用max-pooling操作来聚合所有在支柱中使用点特征，这会大量减少本地细粒度信息，尤其会降低性能对于小物体。基于特征金字塔网络(FPN[22])，PointPillars直接融合多尺度特征跨距为1×、2×、4×，但各层之间缺乏足够的特征交互作