[論文レビュー] TransLoc3D : Point Cloud based Large-scale Place Recognition using Adaptive Receptive Fields

Tian-Xing Xu, Yuan-Chen Guo+4 more|arXiv (Cornell University)|May 25, 2021

Remote Sensing and LiDAR Applications参考文献 55被引用数 10

ひとこと要約

TransLoc3Dは、サイズの変動に対応するためのアダプティブ受容 field とポイント単位での再重み付けを用い、ノイズを低減する3次元点群ベースの場所認識手法を提案する。さらに、外部トランスフォーマーを組み合わせて長距離の文脈的依存関係を捉える。Oxford RobotCar、B.D.、U.S.、R.A.などのベンチマークデータセットで、サイズに配慮した特徴統合とグローバル文脈モデリングにより、グローバル記述子の判別能を向上させることで、最先端の性能を達成している。

ABSTRACT

Place recognition plays an essential role in the field of autonomous driving and robot navigation. Point cloud based methods mainly focus on extracting global descriptors from local features of point clouds. Despite having achieved promising results, existing solutions neglect the following aspects, which may cause performance degradation: (1) huge size difference between objects in outdoor scenes; (2) moving objects that are unrelated to place recognition; (3) long-range contextual information. We illustrate that the above aspects bring challenges to extracting discriminative global descriptors. To mitigate these problems, we propose a novel method named TransLoc3D, utilizing adaptive receptive fields with a point-wise reweighting scheme to handle objects of different sizes while suppressing noises, and an external transformer to capture long-range feature dependencies. As opposed to existing architectures which adopt fixed and limited receptive fields, our method benefits from size-adaptive receptive fields as well as global contextual information, and outperforms current state-of-the-arts with significant improvements on popular datasets.

研究の動機と目的

• 屋外の3次元シーンにおける物体のサイズ変動が著しい状況で、固定受容 field の限界を克服すること。
• 歩行者などの移動物体から生じる不要な特徴が特徴品質を低下させることを抑制すること。
• 点群内の長距離の空間的依存関係を捉えることで、グローバル記述子表現を向上させること。
• 複雑な環境下での大規模な場所認識において、グローバル記述子の判別力を高めること。
• 既存手法を上回る性能を示す頑健なアーキテクチャを開発すること。

提案手法

• 本手法は、生の点群を処理し、低レベルの幾何的特徴を抽出するためにスパースボクセル化と3次元スパース畳み込みを採用する。
• 新規のアダプティブ受容 field モジュールは、学習されたアテンションマップを用いたポイント単位の再重み付けにより、マルチスケール特徴を統合し、物体サイズに適応する。
• アーキテクチャは、点群全体における長距離の空間的依存関係をモデル化する外部トランスフォーマー・モジュールを統合する。
• グローバル記述子は、NetVLADを用いてポイント単位の特徴を集約し、コンactで判別力のある表現を生成する。
• ネットワークは2つの3次元スパース畳み込み層を用いる：初期の大範囲集約のための5×5×5カーネルと、空間解像度をダウンサンプリングするための2×2×2カーネル（ストライド2）。
• 各畳み込み層の後にバッチ正規化とReLUを適用し、学習の安定化と非線形性の強化を図る。

実験結果

リサーチクエスチョン

• RQ1 アダプティブ受容 field は、物体サイズの大きな変動がある状況下でも、ポイントクラウドベースの場所認識における特徴表現を向上させることができるか？
• RQ2 マルチスケール特徴のポイント単位での再重み付けは、移動物体に起因するノイズに対してどれほど頑健性を発揮するか？
• RQ3 外部トランスフォーマー・モジュールが長距離依存関係をモデル化することで、グローバル記述子の品質をどの程度向上させられるか？
• RQ4 アダプティブ受容 field とトランスフォーマー・アーキテクチャを組み合わせることで、固定受容 field や非トランスフォーマー基準手法に比べて性能が向上するか？
• RQ5 ドリルド畳み込みは、3次元ポイントクラウド処理におけるスパース特徴マップに適しているか、それとも性能を低下させるか？

主な発見

• TransLoc3Dは、Oxford RobotCar、B.D.、U.S.、R.A.の4つの主要ベンチマークで、最先端の平均リCALLを達成した。
• アブレーションスタディの結果、ドリルド畳み込みはスパース特徴マップにおいて性能を低下させ、従来の畳み込みが特徴集約において優れていることが確認された。
• 6層のアテンション層を有する外部トランスフォーマーが最適な性能を発揮し、6層を超えて層を増やしても僅かな向上に留まるため、ハイパーパramータ選択に対して頑健であることが示された。
• 定性的な可視化結果から、遮蔽や視点変化といった困難な条件下でも、TransLoc3Dは正しく一致するマッチングを正確に検出していることが確認された。
• ポイント単位の再重み付け機構は、不要な移動物体からのノイズを効果的に低減するとともに、顕著な構造的要素の特徴を強化している。
• アダプティブ受容 field メカニズムは、小さな物体の微細な詳細と大きな物体の全体構造を的確に捉えており、記述子の判別能の向上に寄与している。