[论文解读] AlignNet-3D: Fast Point Cloud Registration of Partially Observed Objects

Johannes Größ, Aljoša Ošep+1 more|arXiv (Cornell University)|Oct 10, 2019

Robotics and Sensor-Based Localization参考文献 50被引用 19

一句话总结

AlignNet-3D 提出了一种基于深度学习的方法，用于对部分观测物体实现快速且精确的3D点云配准，采用孪生神经网络预测LiDAR扫描之间的相对变换。该方法在准确性和效率方面优于ICP和全局配准方法，尤其在存在较大时间间隔和点密度变化的情况下表现更优，且其速度估计误差低于当前最先进的基线方法。

ABSTRACT

Methods tackling multi-object tracking need to estimate the number of targets in the sensing area as well as to estimate their continuous state. While the majority of existing methods focus on data association, precise state (3D pose) estimation is often only coarsely estimated by approximating targets with centroids or (3D) bounding boxes. However, in automotive scenarios, motion perception of surrounding agents is critical and inaccuracies in the vehicle close-range can have catastrophic consequences. In this work, we focus on precise 3D track state estimation and propose a learning-based approach for object-centric relative motion estimation of partially observed objects. Instead of approximating targets with their centroids, our approach is capable of utilizing noisy 3D point segments of objects to estimate their motion. To that end, we propose a simple, yet effective and efficient network, \method, that learns to align point clouds. Our evaluation on two different datasets demonstrates that our method outperforms computationally expensive, global 3D registration methods while being significantly more efficient. We make our data, code, and models available at https://www.vision.rwth-aachen.de/page/alignnet.

研究动机与目标

• 为解决多目标跟踪中精确3D运动估计的不足，特别是在近距离自动驾驶场景中，粗略近似可能导致灾难性失败的问题。
• 开发一种基于学习的方法，利用完整的3D点云片段（而非质心或边界框）实现连续LiDAR扫描之间相对运动的精确估计。
• 构建一种鲁棒、高效且可泛化的面向物体的3D配准方法，能够处理大时间间隔、点密度变化和部分观测情况。
• 在合成数据和真实世界数据上评估该方法，证明其在Kitti等真实LiDAR序列上的泛化能力。
• 提供公开可用的代码库和数据集，以支持未来在3D点云配准和运动估计方面的研究。

提出的方法

• 采用孪生神经网络架构处理连续时间步的两组点云，学习每组点云的共享表示。
• 网络首先将两组点云变换到一个规范化的、非模态的姿态，以降低对初始对齐和视角变化的敏感性。
• 将点云嵌入表示拼接后输入多层感知机，以预测两组扫描之间的相对变换（平移与旋转）。
• 通过在合成数据上最小化预测变换与真实变换之间的差异，端到端训练网络。
• 通过利用GPU并行计算优化推理速度，在批量大小为32时实现每帧约1.22ms的变换处理时间。
• 从ModelNet40 CAD模型生成合成数据集，模拟LiDAR点采样特性，以在受控条件下训练和评估模型。

实验结果

研究问题

• RQ1 基于深度学习的方法是否能在部分观测物体的3D点云配准中实现比经典ICP和全局配准方法更高的准确性？
• RQ2 该方法在真实LiDAR序列中面对大时间间隔和点密度变化时的鲁棒性如何？
• RQ3 可学习的配准网络是否能在速度估计准确性方面超越当前最先进的运动估计基线方法（如ADH [16]）？
• RQ4 网络从合成训练数据到真实世界Kitti跟踪序列的泛化程度如何？
• RQ5 该方法是否足够高效，可应用于自动驾驶车辆感知系统中的实时处理？

主要发现

• 在Kitti跟踪数据集上，AlignNet-3D在困难样本（距离 < 80m，时间间隔 >10帧）下实现了14.48%的2cm、1°配准精度成功率，显著优于ICP和FGR变体。
• 在KITTITrackletsCarsHard数据集上，该方法将平移RMSE降低至0.48m，旋转RMSE降低至31.08°，优于全局ICP和FGR（分别报告38.34m和70.78°的RMSE）。
• 在速度估计方面，AlignNet-3D在距离 < 5m时RMSE为0.732m/s，优于ADH 3D（1.002m/s）和基于质心的卡尔曼滤波器（1.604m/s）。
• 该方法计算效率高，在GPU上批量大小为32时每帧处理时间约为1.22ms，适用于实时跟踪应用。
• 即使在更大的时间间隔下，AlignNet-3D仍保持稳健性能，在KITTITrackletsCarsPersonsHard数据集上20cm、10°阈值下的成功率为11.16%，而ICP和FGR完全失效。
• 网络对真实世界数据具有良好的泛化能力，在性能上可媲美计算成本较高的全局配准方法，同时显著更快。