[論文レビュー] Pillar-based Object Detection for Autonomous Driving

Yue Wang, Alireza Fathi+5 more|arXiv (Cornell University)|Jul 20, 2020

Advanced Neural Network Applications参考文献 53被引用数 29

ひとこと要約

本論文は、自己走行用の3次元物体検出フレームワークとして、ピラーに基づくアンカーフリー手法を提案し、各ピラーごとにバウンディングボックスを直接予測することで、アンカーマッピングに起因するハイパラメータチューニングとクラスアンバランスを解消する。鳥の目視点に加えてシリンダープロジェクションを補助視点として用い、ピラーから点への特徴投影に双線形補間を適用することで、最先端の性能を達成し、先行手法と比較してWaymo Open Datasetにおいて3次元mAPが6.87向上、2次元mAPが6.71向上した。

ABSTRACT

We present a simple and flexible object detection framework optimized for autonomous driving. Building on the observation that point clouds in this application are extremely sparse, we propose a practical pillar-based approach to fix the imbalance issue caused by anchors. In particular, our algorithm incorporates a cylindrical projection into multi-view feature learning, predicts bounding box parameters per pillar rather than per point or per anchor, and includes an aligned pillar-to-point projection module to improve the final prediction. Our anchor-free approach avoids hyperparameter search associated with past methods, simplifying 3D object detection while significantly improving upon state-of-the-art.

研究の動機と目的

• 自己走行におけるアンカーベースの3次元物体検出の限界、特にスパースな正例アンカーに起因するハイパラメータ感受性とクラスアンバランスを是正すること。
• アンカーまたは点ごとの予測ではなく、各ピラーごとにバウンディングボックスパラメータを直接予測することで、より単純で効率的な検出パイプラインを構築すること。
• 鳥の目視点に対する最適な補助視点を特定し、歪みと隠蔽を最小限に抑えることで、マルチビュー特徴学習を向上させること。
• 双線形補間を用いてピラーから点への特徴投影における空間アリゼーションを低減し、特徴の整合性と予測精度を向上させること。
• 最小限のアーキテクチャの複雑さとアンカーハイパラメータチューニングなしで、Waymo Open Datasetで最先端の性能を達成すること。

提案手法

• 本モデルは、鳥の目視点における固定グリッドセル内に集約された3次元点をピラーとして表現する。
• マルチビュー特徴学習モジュールは、鳥の目視点と、球面投影に比べてZ軸歪みが少ない新規のシリンダービューの特徴を統合する。
• コアとなる検出ヘッドは、各ピラーごとにバウンディングボックスパラメータ（中心、サイズ、方向）を直接予測し、アンカー割り当ての必要性を排除し、ハイパラメータの複雑さを低減する。
• ピラーから点への特徴を正確に伝達するための新規なアライメント済みピラーから点への投影モジュールを採用し、双線形補間を用いて量子化誤差とアリゼーションエラーを低減する。
• 標準的な3次元および2次元mAP指標（IoU閾値0.7）を用いて、Waymo Open Dataset上でモデルを訓練および評価する。
• アブレーションスタディでは、視点の組み合わせ、補間手法、各モジュールの貢献度を比較し、設計選択の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 アンカーごではなくピラーごとにバウンディングボックスパラメータを予測することで、自己走行用3次元物体検出における性能向上とハイパラメータチューニングの低減が達成されるか？
• RQ2 球面投影やXZ視点と比較して、シリンダープロジェクションが鳥の目視点3次元検出におけるマルチビュー特徴学習に最適な補助視点であるか？
• RQ3 ピラーから点への特徴投影における双線形補間は、最近傍補間よりも空間アリゼーションを低減し、検出精度を向上させるか？
• RQ4 完全にピラー基盤でアンカーフリーな検出フレームワークは、大規模な自動運転ベンチマークで最先端の性能を達成できるか？
• RQ5 スパースな3次元点群のシナリオにおいて、検出性能を最大化するための最適な視点の組み合わせと特徴統合戦略は何か？

主な発見

• 提案されたピラー基盤でアンカーフリーな検出モデルは、トップパフォーマンスを示すアンカーベースモデルと比較して、Waymo Open Datasetで3次元mAPが6.87ポイント、2次元mAPが6.71ポイント向上した。
• 鳥の目視点とシリンダービューの組み合わせが、球面視点やXZ視点を含むすべての視点の組み合わせの中で最も優れた性能を示し、Z軸歪みの低減とより良いカバー範囲のおかげである。
• ピラーから点への特徴投影における双線形補間は、検出性能を顕著に向上させ、すべての指標で最近傍補間を上回り、3次元mAPで全体で2.44ポイントの向上を達成した。
• アブレーションスタディの結果、ピラー基盤の予測ヘッド単体でも、アンカーベースのベースラインを上回る性能を発揮することが確認された。
• シリンダービューは球面ビューよりも優れた性能を示し、BEV + CYV構成ではBEV + SPV構成と比較して3次元mAPが2.02ポイント高い。
• アンカーハイパラメータチューニングなしで最先端の結果を達成したため、実世界の自動運転シナリオにおけるシンプルさとロバスト性を示した。