[論文レビュー] Full Transformer Framework for Robust Point Cloud Registration with Deep Information Interaction

Guangyan Chen, Meiling Wang+3 more|arXiv (Cornell University)|Dec 17, 2021

3D Surveying and Cultural Heritage被引用数 4

ひとこと要約

本稿では、グローバル構造モデリング、位置符号化によるディープな情報連携、幾何的整合性に基づく信頼性評価を通じて特徴の識別性と外れ値の除外能を向上させることで、ロバストな点群登録を実現するフルトランスフォーマー枠組みであるDeep Interaction Transformer（DIT）を提案する。DITは、ノイズの多い部分対部分登録において94.7%の成功率を達成し、最先端手法を上回る性能を示した。

ABSTRACT

Recent Transformer-based methods have achieved advanced performance in point cloud registration by utilizing advantages of the Transformer in order-invariance and modeling dependency to aggregate information. However, they still suffer from indistinct feature extraction, sensitivity to noise, and outliers. The reasons are: (1) the adoption of CNNs fails to model global relations due to their local receptive fields, resulting in extracted features susceptible to noise; (2) the shallow-wide architecture of Transformers and lack of positional encoding lead to indistinct feature extraction due to inefficient information interaction; (3) the omission of geometrical compatibility leads to inaccurate classification between inliers and outliers. To address above limitations, a novel full Transformer network for point cloud registration is proposed, named the Deep Interaction Transformer (DIT), which incorporates: (1) a Point Cloud Structure Extractor (PSE) to model global relations and retrieve structural information with Transformer encoders; (2) a deep-narrow Point Feature Transformer (PFT) to facilitate deep information interaction across two point clouds with positional encoding, such that Transformers can establish comprehensive associations and directly learn relative position between points; (3) a Geometric Matching-based Correspondence Confidence Evaluation (GMCCE) method to measure spatial consistency and estimate inlier confidence by designing the triangulated descriptor. Extensive experiments on clean, noisy, partially overlapping point cloud registration demonstrate that our method outperforms state-of-the-art methods.

研究の動機と目的

• 既存のトランスフォーマーに基づく手法における点群登録の限界、すなわちノイズ耐性の低さ、特徴抽出の曖昧さ、外れ値検出の不正確さを解消すること。
• 局所的特徴抽出に畳み込みニューラルネットワーク（CNN）に依存することによるグローバルな文脈モデリングの制限とノイズへの感受性の増大を克服すること。
• 位置符号化を用いた相対位置学習を可能にする深く細いトランスフォーマー構造を導入することで、特徴の識別性とノイズ耐性を向上させること。
• 三角形記述子に基づく信頼性評価を通じて幾何的整合性を統合することで、インライアとアウトライアの分類精度を向上させること。
• 構造モデリング、ディープな特徴連携、幾何的マッチングを統合する包括的なフルトランスフォーマー枠組みを構築し、優れた登録性能を実現すること。

提案手法

• Point Cloud Structure Extractor（PSE）は、トランスフォーマーエンコーダーを用いて点群全体における長距離依存関係をモデリングし、構造的特徴抽出を強化するためのLocal Feature Integrator（LFI）を統合する。
• Point Feature Transformer（PFT）は、相対的な空間的位置を学習できる専用の位置符号化ネットワークを備えた深く細いアーキテクチャを採用し、点群間の包括的な情報連携を可能にする。
• 空間的一致性を測定し、インライアの信頼性を推定するために、回転不変の三角形記述子を用いたGeometric Matching-based Correspondence Confidence Evaluation（GMCCE）という新規手法を導入する。
• PSEとPFTモジュールを共同で学習させることで、グローバルな構造的文脈と微細な相対位置情報の両方を統合し、ロバストで識別性の高い特徴を抽出する。
• PSE、PFT、GMCCEを統合したエンドツーエンドで学習可能なDITフルフレームワークを構築し、特徴表現とアライメント精度を向上させる。
• モデルはModelNet40を用いて学習・評価され、各モジュールの寄与度を検証するための広範なアブレーションスタディが実施された。

実験結果

リサーチクエスチョン

• RQ1 深くより効果的な情報連携を可能にするフルトランスフォーマー構造は、ハイブリッドCNN-Transformerモデルを上回る性能を発揮するのか？
• RQ2 深く細いトランスフォーマー構造に位置符号化を組み込むことで、点群登録における特徴の識別性とノイズ耐性はどのように向上するのか？
• RQ3 三角形記述子を用いた幾何的整合性の測定は、インライアの信頼性推定と外れ値の除外において、どの程度の効果をもたらすのか？
• RQ4 専用の構造抽出器を用いてグローバル関係をモデリングすることで、部分的オーバーラップや高ノイズレベルにさらされた点群における耐性は向上するのか？
• RQ5 PSE、PFT、GMCCEの各モジュールが、困難な状況下での総合的な登録精度と成功確率に果たす個別の寄与度は何か？

主な発見

• DITは、高ノイズな部分対部分点群登録において94.7%の成功率を達成し、すべてのベースラインを顕著に上回った。
• アブレーションスタディの結果、PSEモジュールを削除すると成功率が1.2%に低下し、グローバル構造モデリングとノイズ耐性の観点でその重要性が示された。
• 位置符号化ネットワークを除外すると成功率が39.4%低下し、相対空間的位置を学習するうえでその重要性が確認された。
• GMCCEモジュールを削除すると、精度が40–74%低下し、幾何的整合性を用いたインライアとアウトライアの区別が効果的であることが示された。
• 深く細いPFTアーキテクチャは、浅く広いバージョンと比較して性能を55–80%向上させ、より深い情報連携の利点が裏付けられた。
• 最も困難な高ノイズな部分対部分設定において、DITは回転と並進の両方で98%の成功率を達成し、RGM（94%）および他のすべての手法（≤80%）を上回った。