LaserNet:基于激光雷達數(shù)據(jù)的激光網(wǎng)絡(luò)自動駕駛?cè)S目標檢測

本文介紹了一種基于激光雷達數(shù)據(jù)的激光網(wǎng)絡(luò)自動駕駛三維目標檢測方法——LaserNet。高效的處理結(jié)果來自于在傳感器的自然距離視圖中處理激光雷達數(shù)據(jù)。在激光雷達視場范圍內(nèi)的操作有許多挑戰(zhàn)，不僅包括遮擋和尺度變化，還有基于傳感器如何捕獲數(shù)據(jù)來提供全流程信息。

本文介紹的方法是使用一個全卷積網(wǎng)絡(luò)來預(yù)測每個點在三維物體上的多模態(tài)分布，然后有效地融合這些多模態(tài)分布來生成對每個對象的預(yù)測。實驗表明，把每個檢測建?？醋饕粋€分布，能獲得更好的整體檢測性能?；鶞蕼y試結(jié)果表明，相比其他的檢測方法，本方法的運行時間更少；在訓(xùn)練大量數(shù)據(jù)來克服視場范圍目標檢測問題上，本方法獲得最佳性能。

LaserNet通過以下幾個步驟實現(xiàn)三維檢測：

使用傳感器的固有范圍視場來構(gòu)建一個密集的輸入圖像；

圖像通過全卷積網(wǎng)絡(luò)生成一組預(yù)測；

對于圖像中的每個激光雷達點，預(yù)測一個類概率，并在俯視圖中對邊界框架進行概率分布回歸；

每個激光雷達點分布通過均值漂移聚類進行組合，以降低單個預(yù)測中的噪聲；

檢測器進行端到端訓(xùn)練，在邊界框架上定義損失；

用一種新的自適應(yīng)非最大抑制（NMS）算法來消除重疊的邊框分布。

上圖為深層聚合網(wǎng)絡(luò)架構(gòu)。列表示不同的分辨率級別，行表示聚合階段。

上圖為特征提取模塊（左）和特征聚合模塊（右）。虛線表示對特征圖進行了卷積。

上圖為自適應(yīng)NMS。在兩輛車并排放置的情況下，左邊的虛線描述了產(chǎn)生的一組可能的預(yù)測。為了確定邊界框是否封裝了唯一的對象，使用預(yù)測的方差（如中間所示）來估計最壞情況下的重疊（如右圖所示）。在本例中，由于實際重疊小于估計的最壞情況重疊，因此將保留這兩個邊界框。

上圖為在訓(xùn)練集和驗證集上的邊界框上的預(yù)測分布的校準的圖。結(jié)果表明，該模型不能學(xué)習(xí)KITTI上的概率分布，而能夠?qū)W習(xí)較大的ATG4D上的分布。

【實驗結(jié)果】

上表顯示了與其他最先進的方法相比，LaserNet在驗證集上的結(jié)果。像KITTI基準一樣，我們計算了汽車0．7 IoU和自行車及行人0：5 IoU的平均精度（AP）。在這個數(shù)據(jù)集上，LaserNet在0－70米范圍內(nèi)表現(xiàn)優(yōu)于現(xiàn)有的最先進的方法。此外，LaserNet在所有距離上都優(yōu)于LiDAR－only方法，只有在附加圖像數(shù)據(jù)提供最大價值的長距離上，車輛和自行車上的LiDAR－RGB方法優(yōu)于LaserNet。

對ATG4D數(shù)據(jù)集進行消融研究，結(jié)果如上表所示。

預(yù)測概率分布。預(yù)測概率分布最大的改進是預(yù)測邊界框架的分布。當僅預(yù)測平均邊界框時，公式（6）為簡單平均，公式（9）為框角損失。此外，邊界框的得分在本例中是類概率。實驗結(jié)果表明，性能上的損失是由于概率與邊界框架的準確性沒有很好地相關(guān)性導(dǎo)致的。

圖像形成：Velodyne 64E激光雷達中的激光器并不是均勻間隔的。通過使用激光id將點映射到行，并在傳感器捕獲數(shù)據(jù)時直接處理數(shù)據(jù)，可以獲得性能上的提高。

均值漂移聚類：每個點獨立地預(yù)測邊界框的分布，通過均值漂移聚類將獨立的預(yù)測組合起來實現(xiàn)降噪。

非極大值抑制：當激光雷達的點稀疏時，有多個邊界框的配置可以解釋觀測到的數(shù)據(jù)。通過預(yù)測各點的多模態(tài)分布，進一步提高了該方法的查全率。在生成多模態(tài)分布時，使用具有嚴格閾值的NMS是不合適的?；蛘撸覀兛梢允褂密汵MS來重新評估置信度，但是這打破了對置信度的概率解釋。通過自適應(yīng)NMS算法，保持了概率解釋，并獲得了更好的性能。

對于自動駕駛而言，運行時性能同樣重要。上表比較了LaserNet（在NVIDIA 1080Ti GPU上測量）和KITTI上現(xiàn)有方法的運行時的性能。Forward Pass是指運行網(wǎng)絡(luò)所花費的時間，除Forward Pass外，總時間還包括預(yù)處理和后處理。由于在一個小的密集的范圍視場內(nèi)處理，LaserNet比目前最先進的方法快兩倍。

使用訓(xùn)練集中的5，985個掃描點訓(xùn)練網(wǎng)絡(luò)，并保留其余的掃描以進行驗證。使用與之前相同的學(xué)習(xí)時間表對網(wǎng)絡(luò)進行5萬次迭代訓(xùn)練，并在單個GPU上使用12個批處理。為了避免在這個小的訓(xùn)練集上過度擬合，采用數(shù)據(jù)增強手段隨機翻轉(zhuǎn)范圍圖像，并在水平維度上隨機像素移動。在這樣一個小的數(shù)據(jù)集中，學(xué)習(xí)邊界框上的概率分布，特別是多模態(tài)分布是非常困難的。因此，訓(xùn)練網(wǎng)絡(luò)只檢測車輛并預(yù)測邊界框上的單峰概率分布。如上表所示，我們的方法在這個小數(shù)據(jù)集上的性能比當前最先進的鳥瞰圖檢測器差。