論文：A Hierarchical Graph Network for 3D Object Detection on Point Clouds

由于大多數(shù)現(xiàn)有的點(diǎn)云對象檢測方法不能充分適應(yīng)點(diǎn)云的特征（例如稀疏性），所以一些關(guān)鍵的語義信息（如物體形狀）不能被很好的捕捉到。本文提出了一種基于層級圖網(wǎng)絡(luò)（HGNet）的圖卷積（GConv），可以直接將點(diǎn)云作為輸入來預(yù)測 3D 的邊界框。形狀注意圖卷積（SA－GConv）可以通過劍魔點(diǎn)的位置星系來描述物體形狀，基于 SA－GConv 的 U 形網(wǎng)絡(luò)可以通過改進(jìn)的 voting 模塊獲取多層級的特征進(jìn)而生成候選，然后一個(gè)基于圖卷積的候選推理模塊考慮全局的場景語義來對邊界框進(jìn)行預(yù)測。該框架在兩個(gè)大規(guī)模點(diǎn)云數(shù)據(jù)上的表現(xiàn)超過了目前最先進(jìn)的模型。

論文背景

由于點(diǎn)云的稀疏性，一些已有的為網(wǎng)格形式數(shù)據(jù)設(shè)計(jì)的方法（如 CNN）在點(diǎn)云上的表現(xiàn)并不好，為解決這一問題，最近有一些對點(diǎn)云數(shù)據(jù)的方法被提出，例如基于投影的方法、基于體卷積的方法和基于 PointNet 的方法。前兩種試圖將點(diǎn)云數(shù)據(jù)嚴(yán)格轉(zhuǎn)換為網(wǎng)格結(jié)構(gòu)數(shù)據(jù)，而后一種則在不明確考慮點(diǎn)的幾何位置的情況下聚合特征。

其他方法相比，PointNet＋＋ 可以保留點(diǎn)的稀疏特點(diǎn)，因此被廣泛作為框架的骨架。當(dāng)目前仍有一些未能很好解決的挑戰(zhàn)，首先由于沒有考慮點(diǎn)的相對幾何位置，因此使用 PointNet＋＋ 作為主干忽略了一些局部形狀信息。其次，框架的結(jié)構(gòu)沒有充分利用多級語義，這可能會忽略一些有助于目標(biāo)檢測的信息。

本文提出了一個(gè)基于圖卷積（GCONV）的層級圖網(wǎng)絡(luò)（HGNet）用于基于點(diǎn)云的 3D 目標(biāo)檢測。HGNet 包含三部分：一個(gè)基于圖卷積的 U 形網(wǎng)絡(luò)（GUnet）、一個(gè)候選生成器以及一個(gè)候選推理模塊（ProRe Module）。基于層級圖網(wǎng)絡(luò)（HGNet）的圖卷積

整個(gè) HGNet 以端到端的方式進(jìn)行培訓(xùn)。在本文的框架中，點(diǎn)云的局部形狀信息、多級語義和全局場景信息（候選的特征）已被層級圖模型充分捕獲、聚合和合并，充分考慮了點(diǎn)云數(shù)據(jù)的特征。

本文的主要貢獻(xiàn)如下：

（A）開發(fā)了一種新的層級圖網(wǎng)絡(luò)（HGNet），用于在點(diǎn)云上進(jìn)行 3D 對象檢測，其表現(xiàn)好于已有方法。

（B）提出了一種新穎的 SA－（De）GConv，它可以有效地聚合特征并捕獲點(diǎn)云中對象的形狀信息。

（C）構(gòu)建了一個(gè)新的 GU－net，用于生成多級特征，這對于 3D 對象檢測至關(guān)重要。

（D）利用全局信息，ProRe 模塊通過對候選進(jìn)行推理來提高效果。

論文模型

融合采樣

3D 目標(biāo)檢測有基于點(diǎn)和基于體素兩種框架，前者更加耗時(shí)，由候選生成與預(yù)測細(xì)化兩個(gè)階段組成。

在第一個(gè)階段，SA 用于降采樣以獲得更高的效率以及擴(kuò)大感受野，F(xiàn)P 用來為降采樣過程中丟掉的點(diǎn)傳播特征。在第二階段，一個(gè)優(yōu)化模塊最優(yōu)化 RPN 的結(jié)果以獲得更準(zhǔn)確的預(yù)測。SA 對于提取點(diǎn)的特征是必需的。但 FP 和優(yōu)化模塊會限制效率。

形狀注意圖卷積

點(diǎn)云通常不能清楚地表示出物體的形狀，可以使用其相鄰點(diǎn)的相對幾何位置來描述點(diǎn)周圍的局部形狀。本文介紹了一種新穎的形狀注意圖卷積，它通過對點(diǎn)的幾何位置建模來捕獲對象形狀。

對于一個(gè)點(diǎn)集 X，其中每一個(gè)點(diǎn)由其集合位置 p＿i 以及 D 維的特征 f＿i 組成，我們想要生成一個(gè) X’，本文設(shè)計(jì)了圖卷積用于聚合從 X 到 X’ 的特征。與 PointNet＋＋的采樣層相類似，本文首先從 n 個(gè)點(diǎn)中采樣 n’ 個(gè)點(diǎn)，通常 K 最近鄰（KNN）被用來在采樣中保留局部信息將其作為中心點(diǎn)特征。

其中 g 表示 i 和 j 的相對位置，通過一個(gè)卷積將三維變?yōu)橐痪S，f 是 mlp，然后二者的乘積就是中心點(diǎn)的 knn，其中最大的作為 i 的特征。形狀注意操作不同于簡單的基于 mlp 的操作主要就是因?yàn)檫@個(gè) g 函數(shù)。雖然形式上沒有 attention 中的 softmax 這樣的歸一化，但是 g 的輸出就和 attention 一樣，每個(gè)點(diǎn)的 weights，然后對應(yīng)的乘以特征。

GU－net

本文設(shè)計(jì)了一個(gè)下采樣模塊，并將其重復(fù)堆疊 4 次以形成下采樣路徑，而將一個(gè)上采樣模塊重復(fù)堆疊兩次以構(gòu)成上采樣方式。類似 FPN、GU－net 生成三張點(diǎn)特征圖的特征金字塔。下采樣使用的是 FPS，然后通過 KNN 構(gòu)建局部區(qū)域，再使用 SA－GConv 更新特征，上采樣模塊的過程與下采樣模塊的過程相反，主要由 SA－GConv 執(zhí)行。

候選生成器

GU－net 生成了包含多級語義的三張點(diǎn)特征圖。一些先前的方法（如 VoteNet）僅使用一個(gè)特征圖進(jìn)行目標(biāo)預(yù)測。即使通過在上采樣過程中融合較低層的特征來計(jì)算較高層的特征，由于不同層的特征提供了各種語義，因此將多層特征一起用于候選生成會更加有益。本文提出了一種候選生成器，以改進(jìn)的投票模塊作為主要結(jié)構(gòu)來預(yù)測對象中心，該模型將多級特征轉(zhuǎn)換為相同的特征空間。接下來為了聚合特征，通過 FPS 保留 Np 的投票，該做法與 VoteNet 類似，從而融合多級特征以預(yù)測邊界框及其類別。

候選推理模塊

通過以上幾步，多層局部的語義信息已經(jīng)被很好的捕捉到了，但全局信息還沒有很好的學(xué)到，或者說可能有些目標(biāo)在點(diǎn)云中只體現(xiàn)出很小的一部分表面的點(diǎn)，在這樣少的信息下很難正確的將其識別出來。其推理過程為：

其中 Hp 表示候選特征 tensor，P 表示候選的相對位置

論文實(shí)驗(yàn)

本文在 SUN RGB－D 和 ScanNet－V2 兩個(gè)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。

此外，本文還進(jìn)行了消融實(shí)驗(yàn)以證明各?？斓挠行?。

結(jié)論

本文提出了一種新穎的 HGNet 框架，該框架通過層級圖建模學(xué)習(xí)語義。

具體來說，作者提出了一種新穎且輕巧的形狀注意圖卷積來捕獲局部形狀語義，該語義聚合了點(diǎn)的相對幾何位置的特征?；?SA－GConv 和 SA－DeGConv 構(gòu)建了 GU－net，生成了包含多級語義的特征金字塔。要素金字塔投票的點(diǎn)將位于相應(yīng)的對象中心，并且進(jìn)一步聚合多級語義以生成候選。然后使用 ProRe 模塊在候選之間合并和傳播特征，從而利用全局場景語義來提高檢測性能。最后，對邊界框和類別進(jìn)行了預(yù)測。

編輯：hfy