MV-3D: 多视图的3D目标检测网络

一、前言
二、整体思路
三、算法分析
- 1、3D Proposal Network
- - 鸟瞰图表示
  - 前视图表示
- 2、Rregion-based Fusion Network
- 3、3D边界框回归
- 4、网络正则化
- 结果

一、前言

目前主流的空间点云检测主要有两种。一种是直接以三维点云作为输入，直接送入卷积网络或者转化为体素送入。另一种是将3D点云映射到2D，主要为鸟瞰图或者前视图。一般来说第一种方法目标的检测信息比较丰富，但相应的计算量也大；第二种处理得当的话计算量相对较小，但会导致信息的丢失。
MV-3D论文采用的是第二种方法，但考虑到信息的丢失，还采用前视图和图片进行融合矫正。

论文： https://arxiv.org/abs/1611.07759

二、整体思路

如下图所示：

区域提案网络(PPN)已经成为高精度目标检测的重要组成部分。MV-3D也是基于RPN进行架构，可以看出整个主要分为两个主要部分：3D Proposal Network 和 Rregion-based Fusion Network。网络的输入有三种：俯视图（BV）、前视图（FV）和图像（RGB），经卷积网络输出后和3D Proposal进行 ROI pooling融合，再精选出3D边界框。

三、算法分析

1、3D Proposal Network

网络的输入有三种：俯视图（BV）、前视图（FV）和图像（RGB）。主要思路为：

论文中的卷积层采用的是VGG-16，去掉了最后一层池层，因此卷积的部分进行了8次下采样。
3D提案是由俯视图产生的，因为投影到鸟瞰图可以更多的保持物体的尺寸，而且垂直方向上的差异较小可以更精准的获取3D边界框。
另外为了处理超小的对象，我们使用特征近似来获得高分辨率的特征图。特别地，我们在输入最后一个卷积特征之前插入了一个2倍的双线性上采样层映射到3D提案网络。类似地，我们在BV/FV/RGB分支的ROI池化层之前插入了一个4x/4x/2x的上采样层。
将生成的3D Proposal投影到各个视图中和卷积后的网络一起进中ROI pooling。由于来自不同视图/模态的特征通常具有不同的分辨率，因此对每个视图使用ROI池化来获得相同长度的特征向量。

鸟瞰图表示

鸟瞰图的表示是由高度、强度和密度编码的，将投影的点云离散为分辨率为0.1m的二维网格。

对于每个网格单元，高度特征被计算为单元中点的最大高度，为了对更详细的高度信息进行编码，点云被等分为m个切片，计算出每片的高度图，得到m个高度图。
强度特征是每个单元中具有最大高度的点的反射值，作用于整个点云。
点云密度表示每个单元中的点的数量，也是作用于整个点云。

总的来说鸟瞰图被编码为（m+2）个通道特征。

前视图表示

前视图表示为鸟瞰图表示提供补充信息。由于激光雷达点云非常稀疏，将其投影到图像平面会产生稀疏的二维点地图。相反，我们将其投影到一个柱面，以生成一个密集的前视图地图。
令点云中一个点的坐标为 P = (x,y,z),在前视图的相应坐标为pfv=(r,c)p_{fv} = (r,c)pfv=(r,c)。两者之间的相互转化关系为：

C = [arctan⁡(y,x)Δθ][ \frac{\arctan(y,x)}{\Delta \theta }][Δθarctan(y,x)]
r = [arctan⁡(z,x2+y2)Δϕ][ \frac{\arctan(z,\sqrt{x^2+y^2} )}{\Delta\phi }][Δϕarctan(z,x2+y2)]

其中其中，Δθ\Delta \thetaΔθ和DeltaϕDelta\phiDeltaϕ分别为激光束的水平和垂直分辨率。

效果图如下：

2、Rregion-based Fusion Network

设计了一个基于区域的融合网络，有效地结合多个视角的特征，共同对目标建议进行分类和进行面向方向的三维边框回归。

为了结合来自不同特征的信息，采用了深度融合方法，融合多视图特征。另外论文还将深度融合网络和早期/晚期融合网络的架构比较。

对于具有L层的网络，早期融合结合了来自输入阶段的多个视图的特征fv{fv}fv：

Hl，l=1，⋅⋅⋅，L{H_{l}，l=1，···，L}Hl，l=1，⋅⋅⋅，L是特征变换函数，而⊕是一个连接操作（例如，连接、求和）。
相比之下，后期融合使用独立的子网来独立地学习特征转换，并在预测阶段结合它们的输出：

论文中设计的深度融合过程如下：

M代表元素级均值来进行深度融合的连接操作，因为它与跳跃训练结合时更灵活。

3、3D边界框回归

考虑到多视图网络的融合特性，我们从三维提案回归到定向的三维边界框。特别是，回归目标是3D边界框的8个角：t=(∆x0，⋅⋅⋅，∆x7，∆y0,⋅⋅⋅,∆y7,∆z0,⋅⋅⋅,∆z7)t=(∆x_0，···，∆x_7，∆y_0, · · · , ∆y_7, ∆z_0, · · · , ∆z_7)t=(∆x0，⋅⋅⋅，∆x7，∆y0,⋅⋅⋅,∆y7,∆z0,⋅⋅⋅,∆z7).它们被编码为由建议框的对角线长度归一化的拐角偏移量。尽管有这样的24d向量表示是多余的,但发现这种编码方法比中心和尺寸编码方法效果更好。

另外论文中提及在模型中，物体的方向可以从预测的三维框角中计算出来。（这个没有给出计算的过程）

使用多任务损失来联合预测对象类别和面向三维盒子。在生成提案网络中，类别损失使用交叉熵，而3D box损失使用平滑的L1_loss。

在训练期间，正/负roi是基于鸟瞰图的IoU重叠来确定的。如果鸟瞰图的IoU重叠度大于0.5，则3D提案被认为是正的。在推理过程中，在三维边界box回归后的三维box上应用NMS。我们将3D盒子投射到鸟瞰图中，以计算它们的IoU重叠。我们使用IoU阈值为0.05为了删除多余的box，以确保物体在鸟瞰视图中不能占据相同的空间。

4、网络正则化

对比于二维网络，正则化可以有效避免网络的过拟合，使整个网络有效的进行下去。论文中我们采用两种方法来正则化基于区域的融合网络：drop-path training和auxiliary losses。

对于每次迭代，我们随机选择做全局下降路径或局部下降路径它的概率为50%。如果选择全局下降路径，我们从三个视图中选择单个视图。如果选择了局部下降路径，则每个连接节点的路径是随机的下降的概率为50%。我们确保对于每个连接节点，至少保留一个输入路径。（这个是翻译过来的，总感觉不太准确）

为了进一步加强每个视图的表示能力，论文在网络中添加了辅助路径和损耗。

在训练过程中，增加底部的三条路径和损耗，使网络正则化。辅助层与主网络中相应的层共享权重。

注意：在检验过程中，这些辅助路径会被删除。

结果

参考：
自动驾驶|3D目标检测：MV3D-Net(一)
【论文解读】MV3D-Net 用于自动驾驶的多视图3D目标检测网络

【MV-3D】----多视图的3D目标检测网络相关推荐

两阶段3D目标检测网络 SIENet: Spatial Information Enhancement Network for 3D Object Detection from Point Cloud
本文介绍一篇两阶段的3D目标检测网络:SIENet. 这里重点是理解本文提出的 Hybrid-Paradigm Region Proposal Network 和 Spatial Informatio ...
详解两阶段3D目标检测网络 Voxel R-CNN：Towards High Performance Voxel-based 3D Object Detection
本文介绍一篇两阶段的3D目标检测网络:Voxel R-CNN,论文已收录于AAAI 2021. 这里重点是理解本文提出的 Voxel RoI pooling. 论文链接为:https://arxiv. ...
详解两阶段3D目标检测网络PVRCNN：Point-Voxel Feature Set Abstraction for 3D Object Detection
在<动手学无人驾驶(4):基于激光雷达点云数据3D目标检测>一文中介绍了3D目标检测网络PointRCNN.今天介绍该作者新提出的3D检测模型:PVRCNN,论文已收录于CVPR2020. ...
让M3D-RPN的3D目标检测网络初步跑起来！
让M3D-RPN的3D目标检测网络初步跑起来! @写在前面碎碎念@ 最近被安排研究一下M3D-RPN的目标检测网络,说是<研究>感觉贬低了<研究>这个词语,说成碰运气可能会更好 ...
3D目标检测（二）—— 直接处理点云的3D目标检测网络VoteNet、H3DNet
前言上次介绍了基于Point-Based方法处理点云的模块,3D目标检测(一)-- 基于Point-Based方法的PointNet点云处理系列,其中相关的模块则是构成本次要介绍的,直接在点云的基础 ...
一种投影法的点云目标检测网络
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达文章导读本文来源于早期的一篇基于投影法的三维目标检测文章<An Euler-Region-Pr ...
丢弃Transformer！旷视和西安交大提出基于FCN的端到端目标检测网络
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要15分钟 Follow小博主,每天更新前沿干货本文作者:王剑锋 | 编辑:Amusi https://zhuanlan.zhihu.com ...
计算机视觉算法——基于Anchor Free的目标检测网络总结
计算机视觉算法--基于Anchor Free的目标检测网络总结计算机视觉算法--基于Anchor Free的目标检测网络总结 1. CornerNet 1.1 关键知识点--网络结构及特点 1.2 ...
PointPillars：基于点云的快速目标检测网络
1 PointPillars简介 PointPillars是一个基于点云的快速目标检测网络,在配置为Intel i7 CPU和1080ti GPU上的预测速度为62Hz,在无人驾驶领域中常常能够使用上 ...
计算机视觉算法——目标检测网络总结
计算机视觉算法--目标检测网络总结计算机视觉算法--目标检测网络总结 1. RCNN系列 1.1 RCNN 1.1.1 关键知识点--网络结构及特点 1.1.2 关键知识点--RCNN存在的问题 1 ...

【MV-3D】----多视图的3D目标检测网络