PointPillars: Fast Encoders for Object Detection from Point Clouds
不同于point和voxel，pillars把处理对象变成了柱子。在划分完柱子之后，开始进行点云到伪图像的变换，也就是图中的Pillar Feature Net。
在初始特征选取方面，与voxelnet大同小异，设某个非空柱中有t个点，每个点有四维特征xyzr，xyz是空间坐标，r是反射率。那么整个柱子的点可以表示为集合。这是每个点各自的特征，接下来要做特征增强。
表示每个点到所有点的算数平均值的距离。
表示点在xy维度相对于柱中心点xy的偏移量。这样柱中的每一个点都具有9个维度的特征了(4+3+2)。下面可以用以下张量表示一帧点云数据:(D,P,N):P是有多少个pillar，N是每个pillar中有多少点，D是每个点的9维特征。
接下来，又要提到PointNet了，利用简化的升维方法把每个点的特征由D升维到C（利用Linear，BN，ReLu,即所谓的FCN，前面两篇文章也有提及，自行查看），则张量变为（C,P,N），然后在C维度用maxpooling，即每个柱子从内部若干点的特征汇聚（池化）出一组C维度的特征来表示自己，而略去了点的数量。
这和PointNet以及VoxelNet中的原理一致，PointNet在maxpooling后得到了表征全体点云的特征，VoxelNet在maxpooling后得到表征该体素的特征。因此在柱子中得到了表征该柱子的特征。现在就有了每个柱子的特征了，再按照已有特征中的位置特征把它们放回到相应柱子的位置，就得到了柱子的位置维度wh，以及柱子的特征c。
这里叫做伪图像，我的理解，我们知道图像的特征有chw
hw这两个维度表示像素的位置，而c表示一个像素的特征。pillars中也是，俯瞰的时候，柱子就是一个个像素，hw表示位置，而c表示该柱子的特征。