论文标题：LiDAR R-CNN: An Efficient and Universal 3D Object Detector
cvpr2021，图森乃严大佬组出品。
文章主要探讨了3d目标检测中的proposal尺寸模糊问题，作者提出了两种即插即用的方案来对于proposal进行优化，文章并没有提出一种新的网络架构。不过我觉得这种行文方式和探讨问题的方法是值得我们学习的。
老规矩，上图！
首先作者对于目标检测器（pointrcnn pointpillar）等提出的proposal进行7d的优化，首先将他们的尺寸进行一个扩大，随后建立一个local的坐标系。主要操作类似于之前的文章，就是坐标中心化，同时对于axis进行一个proposal方向的对齐。
随后将point输入到backbone中，可以看到backbone也是一个很轻很简单的操作，这样操作当然是为了快速的推理。
随后作者进行了实验kitti及waymo上进行。
在单类别和多类别的实验上，都取得了不错的效果。
占据内存也不大
