MV3D网络时融合俯视图，前视图和RGB图片的融合感知目标检测网络；总网络框框架如下：

数据预处理流程

网络需要的数据为俯视图和前视图；所以在送入网络以前需要将原始点云处理为网络需要的格式；这里主要先讲一下俯视图的转换方式；
俯视图特征有三种:高度特征,强度特征和密度特征；
1） 高度特征：将点云切为M片，每个切片计算一个高度图；因此获取了M个高度图；每个网格的高度由网格内高度最大点的高度表示(该点坐标z轴减去设定的点云范围的z轴最小值)；
2） 强度特征: 由每个单元中具有最大高度的点的反射率值表示
3） 密度特征：点云密度表示每个单元中点的数量

该处理流程的代码，以工程文件data.py添加链接描述的generate_top_view函数为入口，进入clidar_to_top处理函数;

• clidar_to_top函数由C语言编写，编译为.so文件使用cpython进行调用

• LidarTopPreprocess.c文件的解释如下
  文件链接添加链接描述
  1）设置网格分辨率,根据设定的点云范围计算各维度上点云的数量，设为X_size,y_size,z_size

2. 定义三个数组，一个三维的height_maps数组,储存z_size个高度切片信息；一个二维的density_map数组，储存密度特征；一个intensity_map数组储存强度特征

• 数组初始化
  
• 依次遍历每个点，计算点所属的网格，并更新三个特征图