[论文解读] PWCLO-Net: Deep LiDAR Odometry in 3D Point Clouds Using Hierarchical Embedding Mask Optimization

Guangming Wang, Xinrui Wu+2 more|arXiv (Cornell University)|Dec 2, 2020

Robotics and Sensor-Based Localization参考文献 30被引用 4

一句话总结

PWCLO-Net 提出了一种用于 3D LiDAR 惯导里程计的端到端深度学习框架，采用分层 PWC（金字塔、变形、代价体积）结构，并引入可学习的嵌入掩码以迭代优化位姿估计。通过分层优化掩码并利用注意力代价体积实现软对应关系，该方法在 KITTI 数据集上实现了最先进性能，优于所有基于学习的方法以及如 LOAM（结合映射优化）的基于几何的方法。

ABSTRACT

A novel 3D point cloud learning model for deep LiDAR odometry, named PWCLO-Net, using hierarchical embedding mask optimization is proposed in this paper. In this model, the Pyramid, Warping, and Cost volume (PWC) structure for the LiDAR odometry task is built to refine the estimated pose in a coarse-to-fine approach hierarchically. An attentive cost volume is built to associate two point clouds and obtain embedding motion patterns. Then, a novel trainable embedding mask is proposed to weigh the local motion patterns of all points to regress the overall pose and filter outlier points. The estimated current pose is used to warp the first point cloud to bridge the distance to the second point cloud, and then the cost volume of the residual motion is built. At the same time, the embedding mask is optimized hierarchically from coarse to fine to obtain more accurate filtering information for pose refinement. The trainable pose warp-refinement process is iteratively used to make the pose estimation more robust for outliers. The superior performance and effectiveness of our LiDAR odometry model are demonstrated on KITTI odometry dataset. Our method outperforms all recent learning-based methods and outperforms the geometry-based approach, LOAM with mapping optimization, on most sequences of KITTI odometry dataset.Our source codes will be released on https://github.com/IRMVLab/PWCLONet.

研究动机与目标

• 解决在动态和稀疏环境中从原始 3D LiDAR 点云中估计精确 6-DOF 位姿的挑战。
• 通过实现直接的 3D 特征学习与匹配，克服基于 2D 投影方法的局限性。
• 无需依赖外部掩码网络，即可过滤误匹配点、遮挡点和动态点。
• 开发一种从粗到精的、端到端可微分的框架，联合优化位姿与异常值过滤。

提出的方法

• 设计了一种适用于 3D LiDAR 惯导里程计的 PWC 风格架构，集成特征金字塔、位姿变形和代价体积，以实现分层特征匹配。
• 构建了注意力代价体积，基于嵌入的运动模式学习两帧连续点云之间的软对应关系。
• 引入可学习的分层嵌入掩码，通过学习全局位姿一致性来加权局部运动模式并抑制异常值。
• 在特征层级上迭代执行位姿变形与优化过程，利用变形后的点云和更新的掩码来细化估计的位姿。
• 所有组件均可微分，支持端到端训练，联合优化位姿与掩码参数。
• 采用从粗到精的策略，从点特征金字塔的倒数第二层开始进行特征匹配，以实现鲁棒的初始位姿估计。

实验结果

研究问题

• RQ1 一个分层的、端到端可训练的框架是否能通过联合优化位姿与异常值过滤来提升 3D LiDAR 惯导里程计的精度？
• RQ2 可学习的嵌入掩码在替代外部掩码网络以过滤 LiDAR 惯导里程计中的动态点与误匹配点方面是否有效？
• RQ3 对嵌入掩码进行分层优化是否相比固定或独立优化的掩码能带来更好的位姿细化效果？
• RQ4 注意力代价体积在稀疏和噪声较多的 3D 点云中对对应关系学习的提升程度如何？
• RQ5 位姿变形与迭代优化在实现高精度 3D LiDAR 惯导里程计位姿估计中是否必不可少？

主要发现

• PWCLO-Net 在 KITTI 惯导里程计基准测试中实现了最先进性能，优于所有近期基于学习的方法。
• 该方法在大多数 KITTI 序列上超越了经过映射优化的基于几何的 LOAM，展现出更优的鲁棒性与精度。
• 消融实验确认，分层嵌入掩码及其优化过程至关重要，移除后性能显著下降。
• 注意力代价体积的表现优于标准光流嵌入或点代价体积，凸显其在鲁棒特征关联中的关键作用。
• 最优的第一级特征嵌入被确定为点特征金字塔的倒数第二层，实现了结构信息与计算效率的平衡。
• 可视化结果表明，嵌入掩码能有效为动态物体（如行驶中的汽车、骑行人）和不可靠结构（如灌木丛）分配较低权重，同时优先关注静态且结构化的物体（如建筑物、树干）。