飛槳火力全開，重磅上線3D模型：PointNet++、PointRCNN！

作者：佚名 2020-04-27 14:14:48

飛槳開源框架 1.7 版本發(fā)布了用于 3D 點(diǎn)云分類、分割和檢測(cè)的 PointNet++ 和 PointRCNN 模型。

11 年前的「阿凡達(dá)」讓少年的我們第一次戴上 3D 眼鏡，聲勢(shì)浩大的瀑布奔流而下，星羅棋布飄浮在空中的群山，無一不體現(xiàn)著對(duì)生命的敬意，妥妥的坐穩(wěn)了 2010 年北美、海外、中國(guó)和全球票房 No.1 的寶座，「3D」正式進(jìn)入了大眾的視線。

圖片來自網(wǎng)絡(luò)

11 年過去了，出走半生，我們依舊少年，「阿凡達(dá) 2」依舊沒有如約上映，但 3D 應(yīng)用卻在此期間得到了蓬勃的發(fā)展。

這一方面得益于 3D 傳感器技術(shù)的飛速發(fā)展，用戶可以更加便捷地獲取到三維圖像數(shù)據(jù)；另一方面隨著機(jī)器人、無人駕駛、AR&VR 等業(yè)務(wù)的日趨成熟，需要快速處理和理解海量的 3D 數(shù)據(jù)，以便精確感知周邊物體的空間信息，3D 數(shù)據(jù)的深度學(xué)習(xí)需求應(yīng)運(yùn)而生。

隨著 2020 年中國(guó)新基建政策的發(fā)布，相信未來 3D 視覺技術(shù)將會(huì)有更廣闊的應(yīng)用空間。

No.1

3D 深度學(xué)習(xí)需要什么格式的數(shù)據(jù)輸入呢？

2D 圖像可以天然的表示成二維矩陣，但 3D 數(shù)據(jù)卻非常復(fù)雜，它有很多種表達(dá)形式，如：點(diǎn)云、體積像素、多邊形網(wǎng)格和多視圖。

在 3D 深度學(xué)習(xí)領(lǐng)域中，點(diǎn)云數(shù)據(jù)應(yīng)用最為廣泛。這是因?yàn)辄c(diǎn)云數(shù)據(jù)非常接近原始的傳感器數(shù)據(jù)，采用這種形式，可以更好的挖掘原始數(shù)據(jù)中的信息，使用較少的數(shù)據(jù)即可表征較多的細(xì)節(jié)的特性。

此外點(diǎn)云的表達(dá)形式非常簡(jiǎn)單，模型訓(xùn)練時(shí)，對(duì) GPU 性能沒有太高的要求。

但是點(diǎn)云是不規(guī)則的數(shù)據(jù)，在空間中可以任意分布。傳統(tǒng)情況下，可以先將點(diǎn)云數(shù)據(jù)轉(zhuǎn)化成體積像素表示方式，再?gòu)?fù)用 2D 圖像的 CNN 模型，但是代價(jià)會(huì)非常高。

原因是體積像素在空間中的稀疏性使得 3D CNN 訓(xùn)練對(duì)顯存要求極高，模型難以收斂。

那么，是否有方法可以直接在點(diǎn)云上數(shù)據(jù)上實(shí)現(xiàn)特征學(xué)習(xí)呢？

飛槳開源框架 1.7 版本發(fā)布了用于 3D 點(diǎn)云分類、分割和檢測(cè)的 PointNet++ 和 PointRCNN 模型。

支持 ShapeNet，ModelNet，KITTI 等多種點(diǎn)云數(shù)據(jù)集，在 ModelNet40 數(shù)據(jù)集上，PointNet++ 分類精度可達(dá) 90%，在 KITTI（Car）的 Easy 數(shù)據(jù)子集上，PointRCNN 檢測(cè)精度可達(dá) 86.66%，持平世界領(lǐng)先水平。

開發(fā)者在飛槳框架基礎(chǔ)上可快速完成任務(wù)，實(shí)現(xiàn)工業(yè)應(yīng)用。

3D 模型體驗(yàn)請(qǐng)戳如下鏈接：

https://github.com/PaddlePaddle/models/tree/release/1.7/PaddleCV/3d_vision

No.2

PointNet++ 原理和實(shí)驗(yàn)表現(xiàn)

PointNet++ 核心是通過多級(jí)點(diǎn)集特征學(xué)習(xí)提取點(diǎn)云數(shù)據(jù)的特征，然后將提取的特征分別輸入到分類和分割網(wǎng)絡(luò)，進(jìn)行 3D 數(shù)據(jù)的圖像分類和語(yǔ)義分割，PointNet++ 網(wǎng)絡(luò)結(jié)構(gòu)下圖所示。

飛槳火力全開，重磅上線3D模型：PointNet++、PointRCNN！

①多級(jí)點(diǎn)集特征學(xué)習(xí)（Hierarchical point set feature learning）

集合抽象層是多級(jí)點(diǎn)集特征學(xué)習(xí)的基本模塊，由如下三個(gè)關(guān)鍵部分組成：

采樣層：使用最遠(yuǎn)點(diǎn)采樣（FPS）的方法，從輸入點(diǎn)中選擇一組點(diǎn)，定義局部區(qū)域的中心。
分組層：根據(jù)中心點(diǎn)進(jìn)行分組，將云點(diǎn)數(shù)據(jù)劃分成若干個(gè)局部區(qū)域。
特征提取：通過 PointNet++ 對(duì)各個(gè)局部區(qū)域進(jìn)行特征提取，獲得局部特征。

通過下面的動(dòng)態(tài)圖，可以幫助大家更好的理解多級(jí)點(diǎn)集特征學(xué)習(xí)的實(shí)現(xiàn)。

圖中將 Paddle 首字母“P”做一個(gè)局部坐標(biāo)，通過 PointNet++ 提取特征，得到一個(gè)新的點(diǎn)。重復(fù)這個(gè)操作，會(huì)得到另一個(gè)小區(qū)域的點(diǎn)。

經(jīng)過一系列操作之后，會(huì)得到一組新的點(diǎn)。這組點(diǎn)在數(shù)量上少于輸入的點(diǎn)，但每個(gè)點(diǎn)都代表了周圍區(qū)域的幾何特征。

②分類任務(wù)（Classification）

類似于傳統(tǒng)的圖像分類，模型將全局特征送入全連接網(wǎng)絡(luò)中，最終得到預(yù)測(cè)的類別概率。

③分割任務(wù)（Segmentation）

對(duì)于語(yǔ)義分割任務(wù)，需要從低分辨率特征中上采樣還原高分辨率的特征。對(duì)于 CNN 模型，一般是使用 2D 圖像插值的方式實(shí)現(xiàn)。

PointNet++ 模型采用提取最近的 3 個(gè)近鄰點(diǎn)，并通過這三個(gè)點(diǎn)加權(quán)平均的方式插值獲得上采樣點(diǎn)。

此外，PointNet++ 還因其對(duì)輸入數(shù)據(jù)順序置換的不變性、輕量級(jí)結(jié)構(gòu)、對(duì)數(shù)據(jù)丟失非常魯棒等特征，非常適合工業(yè)領(lǐng)域應(yīng)用。

實(shí)驗(yàn)結(jié)論

PointNet++ 模型測(cè)試精度如下：

No.3

PointRCNN 原理和實(shí)驗(yàn)表現(xiàn)

3D 目標(biāo)檢測(cè)模型 PointRCNN 借鑒了 PointNet++ 和 RCNN 的思想，提出了自底向上的生成和調(diào)整候選檢測(cè)區(qū)域的算法，網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示。

PointRCNN 的網(wǎng)絡(luò)結(jié)構(gòu)分為兩個(gè)階段：第一階段自底向上生成 3D 候選預(yù)測(cè)框；第二階段在規(guī)范坐標(biāo)中對(duì)候選預(yù)測(cè)框進(jìn)行搜索和微調(diào)，得到更為精確的預(yù)測(cè)框作為檢測(cè)結(jié)果。

第一階段：對(duì) 3D 點(diǎn)云數(shù)據(jù)進(jìn)行語(yǔ)義分割和前背景劃分，生成候選預(yù)測(cè)框，有如下三個(gè)關(guān)鍵部。

①點(diǎn)云特征提取：通過 PointNet++ 對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行編碼和解碼，提取點(diǎn)云特征向量。

②前景點(diǎn)分割：根據(jù)提取的點(diǎn)云特征向量，使用 focal loss 區(qū)分前景點(diǎn)和背景點(diǎn)。focal loss 能有效地平衡前景點(diǎn)和背景點(diǎn)比例失衡問題，從而得到更為準(zhǔn)確的分類效果。

③生成候選框：采用候選框箱模型（bin）的方法，將前背景點(diǎn)分割信息生成預(yù)測(cè)候選框。

舉例來說，將候選框定義為參數(shù)（x，y，z，h，w，l，θ）表征的空間中的箱體，其中（x，y，z）為箱體中心坐標(biāo)，（ h，w，l）為箱體在中心坐標(biāo)方向上的大小，θ 為鳥瞰視角上（y 方向從上往下看）箱體在 x-z 平面的角度。

bin 的執(zhí)行方式為：先根據(jù)前景點(diǎn)的分割信息粗分其所屬的箱體；再在箱體內(nèi)部對(duì)其做回歸，得到箱體參數(shù)作為預(yù)測(cè)框；最后對(duì)預(yù)測(cè)框做 NMS（Non-Max Suppress，非極大值抑制），得到最終預(yù)測(cè)候選框。

第二階段：在規(guī)范坐標(biāo)中微調(diào)候選預(yù)測(cè)框，獲得最終的檢測(cè)結(jié)果，有如下五個(gè)關(guān)鍵部分。

①區(qū)域池化：對(duì)候選框內(nèi)每個(gè)點(diǎn)的特征進(jìn)行池化。

②坐標(biāo)轉(zhuǎn)化：為了更好地獲取局部信息，需要將多個(gè)候選區(qū)域中的前景點(diǎn)坐標(biāo)（同一個(gè)坐標(biāo)系）轉(zhuǎn)化為局域坐標(biāo)系中的規(guī)范坐標(biāo)（以預(yù)測(cè)框?yàn)橹行狞c(diǎn)的多個(gè)坐標(biāo)系），如下圖所示。