[論文レビュー] RPSRNet: End-to-End Trainable Rigid Point Set Registration Network using Barnes-Hut $2^D$-Tree Representation

Sk Aziz Ali, Kerem Kahraman+2 more|arXiv (Cornell University)|Apr 12, 2021

Robotics and Sensor-Based Localization被引用数 4

ひとこと要約

RPSRNet は、入力点群を Barnes-Hut $2^D$-tree 形式で表現し、階層的特徴埋め込みと反復的変換精錬を用いる、剛体点群登録のためのエンドツーエンド学習可能な深層ニューラルネットワークである。250K点の点群ペアあたり約12–15 ms の推論速度を達成し、KITTI や ModelNet40 データセットにおいて DCP-v2 や PointNetLK などの手法を上回る最先端の精度を実現しており、特にノイズや非一様なサンプリング条件下でも優れた性能を示す。

ABSTRACT

We propose RPSRNet - a novel end-to-end trainable deep neural network for rigid point set registration. For this task, we use a novel $2^D$-tree representation for the input point sets and a hierarchical deep feature embedding in the neural network. An iterative transformation refinement module in our network boosts the feature matching accuracy in the intermediate stages. We achieve an inference speed of 12-15ms to register a pair of input point clouds as large as 250K. Extensive evaluation on (i) KITTI LiDAR odometry and (ii) ModelNet-40 datasets shows that our method outperforms prior state-of-the-art methods - e.g., on the KITTI data set, DCP-v2 by1.3 and 1.5 times, and PointNetLK by 1.8 and 1.9 times better rotational and translational accuracy respectively. Evaluation on ModelNet40 shows that RPSRNet is more robust than other benchmark methods when the samples contain a significant amount of noise and other disturbances. RPSRNet accurately registers point clouds with non-uniform sampling densities, e.g., LiDAR data, which cannot be processed by many existing deep-learning-based registration methods.

研究の動機と目的

• 大規模で現実世界の点群に適した、高精度かつ高効率な深層学習ベースの剛体点集合登録手法の開発。
• LiDAR データのような非一様にサンプリングされた点群を扱う際の、従来の深層学習手法の限界の解消。
• 点群データにおけるノイズや部分的オーバーラップに対する耐性の向上。
• リアルタイム応用に適した高効率な推論速度を実現するエンドツーエンド学習の実現。
• 点群の階層的で微分可能な特徴学習を可能にする、新規の $2^D$-tree 表現の導入。

提案手法

• 本手法は、入力点群を Barnes-Hut $2^D$-tree で表現し、ノードごとの重心と点密度を入力特徴として符号化する。
• 階層的でツリー畳み込みニューラルネットワークが $2^D$-tree 構造を処理し、多段階の集約によってグローバルな幾何的特徴を学習する。
• 反復的変換精錬モジュールが、予測された特徴対応点を用いて中間段階で推定された剛体変換を更新する。
• ネットワークは最終的な特徴表現から回転行列 $\mathbf{R} \in \mathcal{SO}(D)$ と並進ベクトル $\mathbf{t} \in \mathbb{R}^D$ を回帰する。
• 予測された変換と真値変換の差を最小化する微分可能な損失関数を用いて、エンドツーエンドでモデルを学習する。
• $2^D$-tree の構築は学習前に行われ、CPU で実行され、ノードの属性はネットワークへの入力テンソルとして渡される。

実験結果

リサーチクエスチョン

• RQ1 学習可能な $2^D$-tree 表現は、深層学習ベースの剛体点群登録の精度と効率を向上させ得るか？
• RQ2 変換推定値の反復的精錬は、深層ニューラルネットワークフレームワーク内での特徴マッチング精度を向上させるか？
• RQ3 RPSRNet は、大規模で非一様にサンプリングされた LiDAR 点群に対して、最先端の手法と比較してどのように性能を発揮するか？
• RQ4 実世界のスキャンで一般的なノイズや部分的オーバーラップが加わった状況でも、ネットワークは高い精度を維持できるか？
• RQ5 提案手法は、精度を維持または向上させながら、既存の深層学習ベースの登録ネットワークと比較して顕著に高速化できるか？

主な発見

• KITTI LiDAR オドメトリーデータセットにおいて、RPSRNet は DCP-v2 よりも回転方向で 1.3×、並進方向で 1.5× の高い精度を達成した。
• 同じデータセットにおいて、RPSRNet は PointNetLK よりも回転方向で 1.8×、並進方向で 1.9× の高い精度を達成した。
• 40% のガウスノイズを含む ModelNet40 においても、RPSRNet は高い精度を維持し、同様の条件下で発散する他の手法を上回った。
• RPSRNet は 250K点の点群ペアあたり約12–15 ms の推論速度を達成し、比較可能な深層学習ベースの手法の中で最も速い。
• アブレーションスタディにより、RPSRNet の反復的精錬が学習の安定化に寄与することが確認された一方で、DCP-v2 の変種は同様の設定下で発散した。これは、提案されたアーキテクチャと表現の優位性を示している。
• 本手法は、非一様なサンプリング密度を持つ点群の登録に成功した。これは、多くの既存の深層学習ベースの登録手法に欠けている能力である。