文章目錄

• • 一、什么是3D點云
  • 二、基于3D點云的一些任務(wù)
  • 三、如何提取3D點云數(shù)據(jù)的特征：PointNet
  • • （1）在PointNet之前也有工作在做點云上的深度學(xué)習(xí)
    • （2）PointNet
    • • （1）置換不變性（Permutation Invariance）
      • （2）角度不變性（Transformation Invariance）
      • 分類和分割網(wǎng)絡(luò)
      • PointNet的優(yōu)勢：占用內(nèi)存小且速度快（高效）
      • PointNet的優(yōu)勢：對數(shù)據(jù)丟失非常魯棒
  • 四、PointNet++
  • • PointNet的局限性
    • 第二代網(wǎng)絡(luò)：PointNet++
    • • （1）Hierarcgical feature learning（多級特征學(xué)習(xí)）
      • • 在多級特征學(xué)習(xí)網(wǎng)絡(luò)中，是**如何選擇PointNet++作用區(qū)域球的半徑**的呢？
  • 五、PointNet和PointNet++在三維場景理解中的應(yīng)用
  • • 3D Object Detection
    • • Previous Work
      • Frustum PointNets for 3D Object Detection
      • key to success
  • 六、Q&A

一、什么是3D點云

https://www.youtube.com/watch?v=Ew24Rac8eYE
傳統(tǒng)圖像數(shù)據(jù)是2維的
3D點云是3維的，可以表達更多信息

• 比如對化工廠進行違章識別、安全隱患的識別
• 城市管理

二、基于3D點云的一些任務(wù)

• 點云分割
• 點云補全
• 點云生成
• 點云物體檢測（3D物體檢測）
• 點云配準（后續(xù)任務(wù)的基礎(chǔ)）
  

一般點云數(shù)據(jù)都是基于激光雷達掃描生成的。

三、如何提取3D點云數(shù)據(jù)的特征：PointNet

初始的點云數(shù)據(jù)僅僅包含了每個點的坐標信息（x,y,z），這些對我們要完成的后續(xù)任務(wù)遠遠不夠，我們還需要知道每個點和周圍的點的關(guān)系甚至是每個點和全局的關(guān)系。

（1）在PointNet之前也有工作在做點云上的深度學(xué)習(xí)

點云數(shù)據(jù)并不是定義在一個規(guī)則的網(wǎng)格上，空間上可以任意分布、數(shù)量也可以任意，是不規(guī)則數(shù)據(jù)。
一種解決方案：

• 柵格化（voxelization）將無規(guī)則的3點云變成一種規(guī)則的數(shù)據(jù)，均勻分布在一個3維網(wǎng)格中。
• 3d卷積處理處理成3維柵格的數(shù)據(jù)

這種方式的缺點：

• 如果為了降低時間復(fù)雜度和空間復(fù)雜度選擇降低圖片的分辨率，會使學(xué)習(xí)效果大打折扣；
• 如果不計時間和空間復(fù)雜度，將大分辨率的圖像輸入3D卷積網(wǎng)絡(luò)。其實3D點云僅僅掃描的是表面信息，這樣做柵格內(nèi)部有大片空白，造成了算力資源的大量浪費。

（2）PointNet

那么如何構(gòu)造一個backbone來提取3D點云的這些特征呢？

點云數(shù)據(jù)的特點

（1）置換不變性（Permutation Invariance）

點云數(shù)據(jù)是一個inordered set，每個點出現(xiàn)的順序不影響集合的本身

N表示點云中的有N個點，D代表每個點擁有D維的特征。D中可以包含點的坐標信息（x,y,z），也可以包含顏色、法向量…
因為點集是無序的，一共有N!種排列組合。這要求我們設(shè)計的backbone對所有置換都具有不變性。


最簡單的最大池化和平均池化函數(shù)雖然具有置換不變性，但是無疑會丟失有意義的幾何信息。

• 因為直接對點云做對稱性的操作會丟失重要的幾何信息；
• 我們可以先將3D點云映射到高維空間h，與此同時就產(chǎn)生了很多冗余信息；
• 此時，我們再在高維空間中進行對稱操作g，我們依然會得到充足的幾何信息，這樣會避免過多的幾何信息的丟失。
• 最后我們再通過另一個網(wǎng)絡(luò)$\gamma$來進一步消化這個信息，得到一個點云的特征。

這是什么？不太理解。

（2）角度不變性（Transformation Invariance）

比如說一輛車，在不同的角度觀察，點云中的每個點的坐標會有所變化，但表示的都是同一輛車。
如何設(shè)計網(wǎng)絡(luò)能使得網(wǎng)絡(luò)能夠適應(yīng)這種視角的變化呢？

增加基于點云數(shù)據(jù)本身的變換函數(shù)模塊：

通過一個神經(jīng)網(wǎng)絡(luò)T-Net生成變換的參數(shù)，再用生成的變換函數(shù)對輸入數(shù)據(jù)進行變換。使得這個變換函數(shù)能夠自動對準對齊我們的輸入，后面的網(wǎng)絡(luò)能夠適應(yīng)不同角度的輸入數(shù)據(jù)，處理任務(wù)變得更加簡單。

對點云數(shù)據(jù)進行變換操作非常簡單，只需要進行一個矩陣乘法。

做一些擴展：不僅可以對輸入數(shù)據(jù)進行變換處理，也可以對點的中間特征進行特征空間的變換。
比如，一開始已經(jīng)將點的特征變成K維，那么現(xiàn)在有一個N * K的矩陣。我們可以設(shè)計一個K * K的矩陣進行矩陣乘法對這些中間特征進行特征空間的變換。這樣可以得到另一組特征。

對于以上涉及的這些高維的變換，優(yōu)化的難度也更高，可能會需要一些regularization：比如會盡可能希望這個矩陣接近于正交矩陣。

分類和分割網(wǎng)絡(luò)

單個點的特征和全局的坐標結(jié)合起來實現(xiàn)分割的功能。
最簡單的就是：將全局的特征重復(fù)n遍，每一個和原來的單個點的特征連接在一起，相當(dāng)于單個點在全局特征中進行了一次檢索，“我在全局特征中處于哪一個位置，我大概屬于哪一個類”

PointNet的優(yōu)勢：占用內(nèi)存小且速度快（高效）

FLOPs：計算量，floating point operations的縮寫（s表復(fù)數(shù)），意指浮點運算數(shù)，理解為計算量?？梢杂脕砗饬克惴?模型的復(fù)雜度。

因為PointNet的高效性，其非常適用于移動設(shè)備和可穿戴設(shè)備。

PointNet的優(yōu)勢：對數(shù)據(jù)丟失非常魯棒

對數(shù)據(jù)的丟失都非常魯棒
why?
解釋這個可以通過一個可視化去理解：

最大池化使得模型只去關(guān)注critical points，這也使得模型對點的丟失具有較好的魯棒性。

四、PointNet++

PointNet的局限性

在PointNet中，先對每一個點通過MLP做一個從低維到高維的映射，再對高位的特征通過MLP結(jié)合到一起。所以PointNet要么是對一個點做操作，要么是對所有點全局的特征在做操作。所以PointNet和3D卷積相比缺少了一個局部的概念，比較難對一些精細的特征進行學(xué)習(xí)。此外，在平移不變性上也有一定的缺陷，如果對點云的每一個點進行一個平移操作，那么經(jīng)過PointNet學(xué)習(xí)的特征也會完全不一樣。

第二代網(wǎng)絡(luò)：PointNet++

• Hierarcgical feature learning
• Translation invariant
• Permutation invariant

（1）Hierarcgical feature learning（多級特征學(xué)習(xí)）

也可以通過一種“up-convolution”的方式將pointnet提取的特征點復(fù)原回去。

在多級特征學(xué)習(xí)網(wǎng)絡(luò)中，是如何選擇PointNet++作用區(qū)域球的半徑的呢？

在CNN中現(xiàn)在越來越流行選擇非常小的kernel，比如在VGG中大量應(yīng)用3*3的kernel。
那么在PointNet++中是不是這樣呢？其實這是不一定的。

在point cloud中非常常見的一種情況是采樣率非常不均勻。比如一個depth camera采樣到的point cloud，近的點會非常密集，遠的點會非常稀疏。那么對于PointNet++的學(xué)習(xí)就會在稀疏的地方產(chǎn)生很大的問題。比如在某個地方我們的劃定的作用區(qū)域中只有一個點，那么在那個區(qū)域中學(xué)到的特征就會非常不穩(wěn)定。這是我們很想避免的。

為了量化這個問題，我們做了一個控制變量的實驗，驗證了點的疏密對PointNet++網(wǎng)絡(luò)精確度的影響：小的kernel會受采樣率不均勻影響較大。

針對這個問題，可以設(shè)計一些新的網(wǎng)絡(luò)結(jié)構(gòu)來避免這個問題。

• Muti-scale grouping(MSG)
• Muti-res gruoping(MRG)
• MRG的好處是可以節(jié)省一些計算。而MSG需要對不同的尺度分別計算。
  

效果對比：

五、PointNet和PointNet++在三維場景理解中的應(yīng)用

• 3D Object Detection
• 3D Scene Flow
  

3D Object Detection

Previous Work

• 3D region + classification
  基于點云，在三維空間中做region proposal，然后投影到圖片中，在圖片中畫出3D的box，再進行物體的識別；也可以用3D的CNN來做。
  

缺點：

• 3D空間的搜索量非常大，計算量也非常大。
• 點云的分辨率有限，比較難發(fā)現(xiàn)比較小的物體。

• RGB or RGB-D image based object detection
  

缺點：
RGB圖像：依賴物體大小的先驗知識，很難估計物體的精確位置。
RGB-D圖像：兩個實際距離很遠的點投影到圖像上的距離有可能非常近。
在圖片這種表達形式下，用2D的CNN還是受到了很大的局限性。
很難精確地估計物體的深度和大小

Frustum PointNets for 3D Object Detection

2D detectors for region proposal + 3D frustum + PointNets
整體思想：

• 在二維圖像上檢測劃定初步的region proposal，用于減少3D空間搜索成本
• 在劃定的region propoasl上生成相應(yīng)的3D視錐（Frustum），在該視錐內(nèi)對point cloud用PointNets進行深度學(xué)習(xí)得到精確的3D proposal
  

缺點：
occlusions and clutters are common in frustum point clouds

key to success

• 歸一化：因為是點云數(shù)據(jù)，所以歸一化只需對點做矩陣乘法就行了。
  

六、Q&A

• PointNet是不是沒有考慮點之間的關(guān)系？
  PointNet++考慮點之間的關(guān)系了
• STN的全稱是什么？
  special transformer network
• 關(guān)鍵點是怎么選取的？
  關(guān)鍵點不是選取的，是我們可視化的，可視化了這個網(wǎng)絡(luò)選擇了哪些關(guān)鍵點

總結(jié)

以上是生活随笔為你收集整理的3D点云（3D point cloud）及PointNet、PointNet++的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。