[论文解读] 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 5

一句话总结

PointLoc 提出了一种端到端的深度学习框架，通过在 PointNet 架构中引入自注意力模块，直接从单个 LiDAR 点云回归 6-DoF 姿态。该方法在 Oxford Radar RobotCar 数据集和真实世界室内机器人实验中均实现了最先进（SOTA）的精度，显著优于基于 LiDAR 和视觉的重定位方法，中位数平移误差和旋转误差分别低于 1.3° 和 1.5m。

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.

研究动机与目标

• 解决在 GNSS 不可用或不可靠的环境中实现鲁棒、实时 3D 定位的挑战。
• 克服基于检索的 LiDAR 重定位方法的局限性，例如 O(n) 的搜索复杂度以及参考数据库存储需求大等问题。
• 开发一种端到端的基于学习的方法，直接从原始 LiDAR 点云回归 6-DoF 姿态，无需依赖预构建地图或粗略初始姿态估计。
• 通过利用 LiDAR 点云的 360° 几何丰富性，提升对视觉传感器方法的泛化能力和鲁棒性。
• 设计一种神经网络架构，有效处理无序、非结构化的点云，以实现准确且稳定的姿态估计。

提出的方法

• 提出一种新型的 PointNet 风格神经网络，引入自注意力模块，以捕捉长距离依赖关系并提升无序点云中的特征表示能力。
• 使用两个独立分支的多层感知机（MLPs），从全局点云特征中回归 6-DoF 姿态的平移和旋转分量。
• 通过共享 MLPs 进行点采样和特征学习，从原始 3D 点云中提取分层几何特征。
• 应用全局最大池化层，聚合整个点云的特征以实现姿态预测。
• 使用预测姿态与真实姿态之间的均方误差损失，端到端训练网络。
• 引入可微分的采样策略，以保持几何一致性，并提升从稀疏点云中学习特征的能力。

实验结果

研究问题

• RQ1 深度学习模型能否在不依赖预构建地图或粗略初始姿态估计的情况下，直接从原始 LiDAR 点云回归 6-DoF 姿态？
• RQ2 在无序且非结构化的点云中，引入自注意力机制在多大程度上提升了姿态估计的准确性？
• RQ3 在不同环境条件下，基于 LiDAR 的重定位方法在精度和鲁棒性方面相较于基于视觉传感器的方法优势有多大？
• RQ4 点云采样密度和网络架构设计对最终定位性能的影响如何？
• RQ5 所提出的方法能否实现实时性能，适用于真实世界场景中移动机器人的部署？

主要发现

• 在 Oxford Radar RobotCar 数据集上，PointLoc 的中位数平移误差为 11.16m，旋转误差为 1.30°，相比最佳视觉重定位基线方法 AtLoc，平移误差降低 66.86%，旋转误差降低 78.83%。
• 与无注意力机制的基线相比，自注意力模块使平移误差降低 7.77%，旋转误差降低 19.75%，证明其在捕捉长距离空间依赖关系方面的有效性。
• 使用 4096 个采样点的性能相比原始点云，平移误差提升 1.4%，旋转误差提升 9.09%，表明点云密度显著影响精度。
• PointLoc 模型每帧推理时间约为 0.1 秒，支持 10 Hz 的实时定位，适用于移动机器人部署。
• 在真实世界室内 vReLoc 数据集上，PointLoc 在静态和动态环境（如一人或两人行走）中均实现了稳定且准确的姿态估计，方差低，中位数误差低于 1.5m 和 1.3°。
• 与基于 PointNet 的 DCP 相比，PointLoc 在平移误差上提升 29.46%，旋转误差提升 37.80%；由于训练稳定性更好且特征学习能力更强，其性能也优于基于 DGCNN 的 DCP。