如有错误，恳请指出。
paper：《VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection》
以往的3d检测器都难免利用了手工设计特征(hand-crafted)，不够智能不能实现end-to-end地自动提取特征，而如果利用全部点云输入，处理点云可能搞到100k个点的数据可能会带来极大的计算量(其实这里是可以对输入进行采样的，不过对于一个大场景来说数据点确实有点大，这时候对点云量化确实是一个比较好的选择，具体需要结合特定的场景和数据量)。为此，VoxelNet提出一个端对端的3d检测器，对点云数据进行量化，避免复杂场景带来的高计算。
具体来说，VoxelNet将点云划分为等间距的3D体素，通过堆叠的VFE层对每个体素进行编码，然后3D卷积进一步聚合局部体素特征，将点云转换为高维