[论文解读] Joint Pose and Shape Estimation of Vehicles from LiDAR Data

Hunter Goforth, Xiaoyan Hu+2 more|arXiv (Cornell University)|Sep 8, 2020

Robot Manipulation and Learning参考文献 38被引用 4

一句话总结

该论文提出了一种联合学习框架，通过共享编码器-解码器架构，从稀疏LiDAR扫描中联合估计车辆位姿与形状。通过使用新型联合损失函数联合训练位姿和形状预测，该方法在独立估计之外实现了更高的精度与效率，并且即使仅在合成数据上进行训练，也能在真实世界Argoverse数据上表现出良好的泛化能力。

ABSTRACT

We address the problem of estimating the pose and shape of vehicles from LiDAR scans, a common problem faced by the autonomous vehicle community. Recent work has tended to address pose and shape estimation separately in isolation, despite the inherent connection between the two. We investigate a method of jointly estimating shape and pose where a single encoding is learned from which shape and pose may be decoded in an efficient yet effective manner. We additionally introduce a novel joint pose and shape loss, and show that this joint training method produces better results than independently-trained pose and shape estimators. We evaluate our method on both synthetic data and real-world data, and show superior performance against a state-of-the-art baseline.

研究动机与目标

• 为解决先前工作将位姿与形状估计分开处理的问题，尽管两者具有强相关性。
• 开发一种统一的深度学习框架，通过共享位姿与形状预测之间的表示以提升性能。
• 仅在合成LiDAR数据上训练模型，同时保持对真实世界场景的强泛化能力。
• 通过为两个任务共享单一编码器，减少模型冗余并提升推理效率。
• 证明联合训练结合损失函数的效果优于位姿与形状分支的独立训练。

提出的方法

• 共享编码器将原始、未对齐的LiDAR点云处理为单一潜在表示，相比独立编码方式减少了冗余。
• 形状解码器基于PCN架构，从共享代码重建出完整且均匀采样的车辆3D点云。
• 位姿解码器为多层感知机（1024, 512, 512, 3），从共享代码回归2D平移（x, y）和航向角θ。
• 提出一种新型联合损失函数，结合形状补全损失（如Chamfer距离）与位姿回归损失，实现对两个任务的同时优化。
• 网络采用两阶段训练：首先在合成数据上预训练编码器与形状解码器；随后冻结编码器，微调位姿解码器，再进行端到端的联合训练。
• 合成数据通过高分辨率CAD模型与模拟LiDAR传感器生成，以创建用于监督的部分扫描与完整扫描配对。

实验结果

研究问题

• RQ1 从部分LiDAR扫描中联合学习位姿与形状是否能优于独立估计？
• RQ2 在位姿与形状分支之间共享单一编码器是否能减少冗余并提升稳定性？
• RQ3 仅在合成LiDAR数据上训练的模型是否能有效泛化到真实世界自动驾驶车辆数据？
• RQ4 与独立训练相比，所提出的联合损失在精度与鲁棒性方面表现如何？
• RQ5 在真实世界条件下，该方法在不同遮挡程度与点云密度变化下，其估计结果的一致性如何？

主要发现

• 联合训练的共享编码器模型在合成数据与真实世界数据上均优于独立训练的位姿与形状估计器。
• 该方法在Argoverse数据集上达到最先进性能，15条真实世界车辆轨迹中有12条的形状估计更接近真实值。
• 即使无RGB输入，位姿估计仍保持高精度，航向角预测在各种真实世界条件下表现良好。
• 尽管仅在合成数据上训练，该模型对真实世界数据表现出强鲁棒性泛化能力，展示了出色的零样本泛化性能。
• 在存在显著遮挡与点云密度变化的长时间间隔下，该架构仍能保持一致的形状与位姿预测，如定性结果所示。
• 采用联合损失的联合训练策略优于分阶段预训练，表明端到端优化带来了性能增益。