[論文レビュー] It's All Around You: Range-Guided Cylindrical Network for 3D Object Detection

Meytal Rapoport-Lavie, Dan Raviv|arXiv (Cornell University)|Dec 5, 2020

Robotics and Sensor-Based Localization参考文献 29被引用数 7

ひとこと要約

本論文は、360° LiDAR センサのリング形状のスキャンパターンとより整合性の高い円筒座標を用いた、エンドツーエンドの3Dオブジェクト検出フレームワークを提案する。距離に応じて受容 field を適応的に調整するリーダンスガイドド畳み込みを導入し、nuScenesベンチマークでSOTA性能を達成し、0.585のNDSスコアを記録した。これは、ほとんどのデカルト座標ベースの手法を上回る結果である。

ABSTRACT

Modern perception systems in the field of autonomous driving rely on 3D data analysis. LiDAR sensors are frequently used to acquire such data due to their increased resilience to different lighting conditions. Although rotating LiDAR scanners produce ring-shaped patterns in space, most networks analyze their data using an orthogonal voxel sampling strategy. This work presents a novel approach for analyzing 3D data produced by 360-degree depth scanners, utilizing a more suitable coordinate system, which is aligned with the scanning pattern. Furthermore, we introduce a novel notion of range-guided convolutions, adapting the receptive field by distance from the ego vehicle and the object's scale. Our network demonstrates powerful results on the nuScenes challenge, comparable to current state-of-the-art architectures. The backbone architecture introduced in this work can be easily integrated onto other pipelines as well.

研究の動機と目的

• デカルト座標ベースのディープラーニングアーキテクチャと、360° LiDAR センサの自然なリング形状出力との間の不一致を解消すること。
• LiDARデータの空間的関係をより良く保持する円筒座標系を用いることで、3Dオブジェクト検出の精度を向上させること。
• オブジェクトの距離とスケールに応じて受容 field を動的に調整するリーダンスガイドド畳み込み機構を開発すること。
• 自己向きの円筒座標フレームワーク内で、方向と速度のエンドツーエンド学習を可能にすること。
• 円筒座標が、従来のデカルトボクセル化に比べて優れていることを実証すること。

提案手法

• ネットワークは、LiDAR点群を円筒座標系に射影することで処理し、センサの自然なスキャンジオメトリを保持する。
• 範囲軸に4層、θ軸に3層のストライド2層を備えたバックボーンを採用し、空間次元を88×300に縮小しながらも空間的忠実性を維持する。
• 新規のリーダンスガイドド畳み込みブロックは、自車からの距離とオブジェクトスケールに応じてカーネルサイズと有効受容 field を調整する。
• θ次元に円形パディングを適用し回転連続性を保持し、視野を広げるためにカーネルサイズを5に増加する。
• nuScenesデータセットのクラス不均衡に対処するため、クラスバランスサンプリングとクラスグループヘッド（CBGS）を採用する。
• 推論では、複数回のフリップではなくy-flip増幅のみを適用し、推論時間を50%短縮しながらも高い性能を維持する。

実験結果

リサーチクエスチョン

• RQ1 LiDARデータに対して、標準的なデカルトボクセル化と比較して、円筒座標系を用いることで3Dオブジェクト検出性能が向上するか？
• RQ2 リーダンスガイドド畳み込みは、オブジェクトの距離とスケールに応じて受容 field を適応的に調整することで、特徴学習をどのように向上させるか？
• RQ3 特に方向と速度推定において、円筒座標系で深層ネットワークを訓練する際に生じる課題は何か？
• RQ4 自己向きの円筒ネットワークは、nuScenesのような複雑な3D検出タスクにどの程度一般化可能か？
• RQ5 ジオメトリに整合した座標系を用いることで、情報損失が低減し、特に遠方または小さなオブジェクトの検出精度が向上するか？

主な発見

• 提案された円筒ネットワークは、nuScenesテストセットで0.585のNDSスコアを達成し、唯一の例外を除きすべての手法を上回り、CVCNetの2件の提出結果とも優劣をつける結果となった。
• リーダンスガイドドバックボーンは、距離範囲[30m, 50m]においてNDSを0.007向上させ、ガイドありで0.485、ガイドなしで0.478を記録した。
• 全クラスでmAPが0.002上昇（0.574 → 0.576）し、障害物物、交通コーン、自転車乗り、オートバイなど、小型・遠方オブジェクトで顕著な向上が見られた。
• 方向と速度予測の修正を組み込むことで、AAEと方向誤差指標に顕著な改善が見られ、円筒設計の有効性が裏付けられた。
• CenterPointと比較して、出力特徴マップサイズを約20%削減しながら、性能を維持または向上させた。
• 3回のフリップではなく1回のフリップ増幅（y-flip）を採用することで、推論時間を2倍短縮し、性能低下は最小限に抑えられた。