[論文レビュー] PointLoc: Deep Pose Regressor for LiDAR Point Cloud Localization

Wei Wang, Bing Wang+6 more|arXiv (Cornell University)|Mar 5, 2020

Robotics and Sensor-Based Localization参考文献 53被引用数 5

ひとこと要約

PointLoc は、自己注意モジュールを備えたポイントネット型アーキテクチャを用いて、1次元 LiDAR ポイントクラウドから直接6自由度（6-DoF）ポーズを回帰するエンドツーエンドのディーブラーニングフレームワークを提案する。オックスフォードラーダーロボットカー データセットおよび実世界の屋内ロボット実験において、最先端の精度を達成し、LiDAR もしくは視覚ベースの再局所化手法を大きく上回り、中央値の並進誤差と回転誤差がそれぞれ1.3°未満および1.5m未塔である。

ABSTRACT

In this paper, we present a novel end-to-end learning-based LiDAR relocalization framework, termed PointLoc, which infers 6-DoF poses directly using only a single point cloud as input, without requiring a pre-built map. Compared to RGB image-based relocalization, LiDAR frames can provide rich and robust geometric information about a scene. However, LiDAR point clouds are unordered and unstructured making it difficult to apply traditional deep learning regression models for this task. We address this issue by proposing a novel PointNet-style architecture with self-attention to efficiently estimate 6-DoF poses from 360° LiDAR input frames.Extensive experiments on recently released challenging Oxford Radar RobotCar dataset and real-world robot experiments demonstrate that the proposedmethod can achieve accurate relocalization performance.

研究の動機と目的

• GNSS が利用不可または信頼性が低い環境において、堅牢でリアルタイムな3次元局所化を実現すること。
• リtrievalベースのLiDAR再局所化の限界（O(n)の探索複雑性および参照データベースの巨大なストレージ要件）を克服すること。
• 事前構築された地図や粗い初期ポーズ推定値を必要とせず、生のLiDARポイントクラウドから直接6-DoFポーズを回帰するエンドツーエンドの学習ベースのアプローチを開発すること。
• LiDARポイントクラウドの360°の幾何的豊かさを活用することで、視覚センサーベースの手法に比べて一般化性能と耐障害性を向上させること。
• 順序なしで非構造的なポイントクラウドを効果的に処理できるニューラルアーキテクチャを設計し、正確で安定したポーズ推定を可能にすること。

提案手法

• 長距離依存性を捉え、順序なしのポイントクラウドにおける特徴表現を向上させるために、自己注意モジュールを備えた新規のポイントネット型ニューラルネットワークを提案する。
• グローバルポイントクラウド特徴量から並進および回転成分の6-DoFポーズを回帰するために、2つの別々のブランチを備えた多層パーセプトロン（MLPs）を用いる。
• 共有MLPsを用いたポイントサンプリングと特徴学習により、生の3次元ポイントクラウドから階層的な幾何的特徴を抽出する。
• 全ポイントクラウドにわたる特徴の集約を実現するため、グローバルマックスプールング層を適用する。
• 予測値と真値の6-DoFポーズ間の平均二乗誤差損失を用いて、ネットワークをエンドツーエンドで訓練する。
• 幾何的整合性を維持し、スパarsなポイントクラウドからの特徴学習を向上させるために、微分可能サンプリング戦略を導入する。

実験結果

リサーチクエスチョン

• RQ1 事前構築された地図や粗い初期ポーズ推定値に依存せずに、生のLiDARポイントクラウドから直接6-DoFポーズを回帰できるか？
• RQ2 自己注意機構を組み込むことで、順序なしで非構造的なポイントクラウドにおけるポーズ推定精度はどのように向上するか？
• RQ3 さまざまな環境条件下で、LiDARベースの再局所化は視覚センサーベースの手法に比べて、精度および耐障害性においてどの程度優れているか？
• RQ4 ポイントサンプリング密度およびネットワークアーキテクチャ設計が、最終的な局所化性能に与える影響は何か？
• RQ5 提案手法は、実世界のモバイルロボットに実装可能なリアルタイム性能を達成できるか？

主な発見

• オックスフォードラーダーロボットカー データセットにおいて、PointLoc は中央値の並進誤差11.16m、回転誤差1.30°を達成し、最良の視覚再局所化ベースライン（AtLoc）を並進で66.86%、回転で78.83%上回った。
• 自己注意モジュールを導入することで、注意なしのベースラインと比較して、並進誤差が7.77%、回転誤差が19.75%低減され、長距離空間的依存性を効果的に捉えられることを示した。
• 4096ポイントにサンプリングした場合、生のポイントクラウドと比較して並進性能が1.4%、回転性能が9.09%向上した。これは、ポイント密度が精度に顕著に影響することを示している。
• PointLoc モデルは1フレームあたり約0.1秒の推論時間を達成し、10Hzでのリアルタイム局所化が可能であり、モバイルロボットへの実装に適している。
• 実世界の屋内 vReLoc データセットにおいて、PointLoc は静的および動的環境（例：1〜2名の人が歩行する状況）においても安定的かつ正確なポーズ推定を実現し、分散が小さく、中央値誤差が1.5m未塔および1.3°未塔であった。
• PointNet を用いた DCP と比較して、並進誤差で29.46%、回転誤差で37.80%の改善が得られ、より優れた学習安定性と特徴学習性能により、DGCNNベースの DCP よりも優れた性能を発揮した。