Neighbor-Vote：使用鄰近距離投票優(yōu)化單目3D目標(biāo)檢測(cè)（ACM MM2021）

名字：Neighbor-Vote: Improving Monocular 3D Object Detection through Neighbor Distance Voting

鏈接：https://arxiv.org/pdf/2107.02493.pdf

摘要：隨著攝像頭在自動(dòng)駕駛等新的應(yīng)用領(lǐng)域的應(yīng)用越來越廣泛，對(duì)單目圖像進(jìn)行3D目標(biāo)檢測(cè)成為視覺場(chǎng)景理解的重要任務(wù)。單目3D目標(biāo)檢測(cè)的最新進(jìn)展很多依賴于偽點(diǎn)云生成，即進(jìn)行單目深度估計(jì)，將二維像素點(diǎn)提升為偽三維點(diǎn)。然而，單目圖像的深度估計(jì)精度不高，必然會(huì)導(dǎo)致偽點(diǎn)云在目標(biāo)內(nèi)的位置發(fā)生偏移。因此，預(yù)測(cè)的邊框可能存在不準(zhǔn)確的位置和形狀變形。在本文中，本文提出了一種新穎的鄰居投票方法，該鄰居預(yù)測(cè)有助于從嚴(yán)重變形的偽點(diǎn)云的改善目標(biāo)檢測(cè)。具體而言，每個(gè)特征點(diǎn)形成他們自己的預(yù)測(cè)，然后通過投票來構(gòu)建“共識(shí)”。通過這種方式，本文可以有效地將鄰居的預(yù)測(cè)與局部預(yù)測(cè)的預(yù)測(cè)相結(jié)合，實(shí)現(xiàn)更準(zhǔn)確的3D檢測(cè)。為了進(jìn)一步放大ROI偽點(diǎn)和背景點(diǎn)之間的區(qū)別，本文還將2D前景像素點(diǎn)的ROI預(yù)測(cè)分?jǐn)?shù)編碼到相應(yīng)的偽3D點(diǎn)上。本文在KITTI基準(zhǔn)測(cè)試上驗(yàn)證本文提出的方法，在驗(yàn)證集上的鳥瞰檢測(cè)結(jié)果優(yōu)于目前的SOTA，特別是對(duì)于“困難”水平檢測(cè)。

1.引言

3D目標(biāo)檢測(cè)是依賴于理解3D世界中的上下文的應(yīng)用（例如自主駕駛）中最重要的任務(wù)之一。目前已出現(xiàn)很多基于點(diǎn)云的3D目標(biāo)檢測(cè)算法。盡管這些方法取得了優(yōu)異的性能，然而，激光雷達(dá)仍然太昂貴，不能裝備在每一輛車上。因此，廉價(jià)的替代品更受青睞，特別是相機(jī)，因?yàn)樗鼈兊膬r(jià)格低，幀率高。

另一方面，由于深度信息的缺少，在RGB圖像，尤其是單眼圖像上進(jìn)行3D檢測(cè)，仍然是艱巨的挑戰(zhàn)。為了解決這一挑戰(zhàn)，目前已經(jīng)存在方法：首先從單目圖像估計(jì)深度信息，然后將2D像素轉(zhuǎn)換到偽3D。隨后3D目標(biāo)檢測(cè)器可以應(yīng)用于偽點(diǎn)云上。

與真實(shí)雷達(dá)點(diǎn)云相比，如上所述的偽點(diǎn)云存在一些問題。首先，由于單目深度估計(jì)必然存在不準(zhǔn)確性，導(dǎo)致偽點(diǎn)云存在位置偏移和形狀變形，這可能會(huì)破壞3D邊框回歸。其次，遠(yuǎn)距離目標(biāo)深度估計(jì)的精度低于近距離目標(biāo)深度估計(jì)的精度，導(dǎo)致遠(yuǎn)目標(biāo)深度估計(jì)的失真明顯增大。這些變形的偽點(diǎn)云將導(dǎo)致大量誤檢框的產(chǎn)生。

本文提出了一種叫做Neighbor-Vote（鄰居投票）的方法。具體而言，本文認(rèn)為特征圖上的目標(biāo)周圍的每個(gè)點(diǎn)都是“選民”。選民需要從自己的視角出發(fā)投票給一定數(shù)量的附近目標(biāo)。通過這個(gè)投票過程，誤檢目標(biāo)比真目標(biāo)的得票率要低得多，因此更容易被識(shí)別。

總之，本文做出了以下三點(diǎn)貢獻(xiàn)：

• 設(shè)計(jì)了一種高效的單目圖像3D檢測(cè)網(wǎng)絡(luò)。該網(wǎng)絡(luò)主要包括四個(gè)主要步驟:偽點(diǎn)云生成、2D ROI分?jǐn)?shù)關(guān)聯(lián)、基于注意力的特征提取和鄰局輔助預(yù)測(cè)。
• 本文設(shè)計(jì)了一種鄰居投票方法，可以有效地消除偽點(diǎn)云預(yù)測(cè)中的誤檢框。本文可以自適應(yīng)地結(jié)合鄰居預(yù)測(cè)和局部預(yù)測(cè)，從而大大提高邊框預(yù)測(cè)的精度。
• 結(jié)果表明，本文的方法在KITTI BEV基準(zhǔn)上產(chǎn)生了最好的性能。

2. 鄰居投票系統(tǒng)設(shè)計(jì)

2.1概述

圖 1 Neighbor-Vote整體框架圖

本文提出一種基于偽點(diǎn)云的框架Neighbor-Vote，旨在通過鄰居特征的附加預(yù)測(cè)提升單目3D目標(biāo)檢測(cè)。如圖1所示，本文提出的Neighbor-Vote是單階段檢測(cè)器，并由以下四個(gè)主要步驟組成：

（1）偽點(diǎn)云生成。

（2）2D ROI分?jǐn)?shù)關(guān)聯(lián)。

（3）基于自注意力的特征提取。

（4）鄰居投票輔助目標(biāo)預(yù)測(cè)。

本文在圖1中展示了整個(gè)框架，并在下面逐一討論四個(gè)步驟。

2.2偽點(diǎn)云生成

2.3前景偽點(diǎn)云似然關(guān)聯(lián)

遠(yuǎn)距離目標(biāo)的深度估計(jì)精度遠(yuǎn)低于近距離目標(biāo)，導(dǎo)致偽激光點(diǎn)在較遠(yuǎn)距離處的位置偏移較大。為了補(bǔ)償不準(zhǔn)確的深度估計(jì)，在這一步中，本文盡力擴(kuò)大前景感興趣區(qū)域(ROI)和背景之間的差異，特別是遠(yuǎn)距離物體。為此，本文提出將每個(gè)前景2D像素的ROI得分與相應(yīng)的偽激光點(diǎn)相關(guān)聯(lián)，用分?jǐn)?shù)來表示成為前景點(diǎn)的可能性。

本文發(fā)現(xiàn)，在2D圖像中，一個(gè)遠(yuǎn)距離的物體雖然小且分辨率低，但通常仍保留一定程度的語義信息。事實(shí)上，就KITTI數(shù)據(jù)集的汽車類別而言，在許多2D檢測(cè)器的iou閾值為0.7的困難水平目標(biāo)上，平均精度(AP)已達(dá)到75%以上，如FCOS，CenterNet，Cascad R-CNN。根據(jù)這一結(jié)果，本文提出用2D檢測(cè)器提取ROI區(qū)域，并將預(yù)測(cè)得分與相應(yīng)的偽激光點(diǎn)相關(guān)聯(lián)。

本文使用FCOS作為2D檢測(cè)器。邊界框中每個(gè)像素的得分被投影到3D空間中，然后，本文將該分?jǐn)?shù)編碼為偽點(diǎn)云的第四個(gè)通道，如下所示：

2.4自注意力特征提取

由于偽點(diǎn)云的嚴(yán)重位移和變形，需要依賴于目標(biāo)周圍特征點(diǎn)的空間上下文信息，以更好地識(shí)別目標(biāo)的位置和形狀，這些信息需要提取相對(duì)遠(yuǎn)距離的特征。在每個(gè)位置上使用多層堆疊的、具有固定接收域的卷積運(yùn)算不能有效地提取足夠長距離的特征。因此，本文在特征提取模塊中結(jié)合了自注意力機(jī)制。

2.5 結(jié)合鄰居投票的邊框預(yù)測(cè)

鄰居投票 如前所述，偽點(diǎn)云在描述目標(biāo)位置和形狀方面不如真實(shí)點(diǎn)云準(zhǔn)確。為了應(yīng)對(duì)這一挑戰(zhàn)，本文提出利用目標(biāo)附近的特征點(diǎn)（本文稱為“鄰居”），并讓它們協(xié)助判斷目標(biāo)的位置。具體來說，本文利用每個(gè)鄰居點(diǎn)的個(gè)體觀點(diǎn)，并嘗試通過投票機(jī)制形成“共識(shí)”。考慮一個(gè)鳥瞰視角下的特征圖，其中和分別表示x和z方向上的特征圖的大小，??表示下采樣率?？拷A(yù)測(cè)目標(biāo)的特征點(diǎn)被視為有投票權(quán)的鄰居或“投票者”。每個(gè)選民投兩票。也就是說，他們可以投票支持兩個(gè)最接近的目標(biāo)，一個(gè)朝前和一個(gè)向后（在??方向上的相對(duì)定位）

其中P是預(yù)測(cè)目標(biāo)的列表。和是前面和后面的選定目標(biāo)。在這里，本文首先讓所有特征點(diǎn)參與投票，然后過濾掉那些投票超出一定距離的特征點(diǎn)，這樣使得所有有投票權(quán)的鄰居確實(shí)在預(yù)測(cè)目標(biāo)附近，投票過程如圖2所示。

圖 2 投票過程說明

3.實(shí)驗(yàn)

1.驗(yàn)證集上的比較結(jié)果。首先，本文與幾個(gè)最近的單目3D目標(biāo)檢測(cè)模型比較了鄰居投票的BEV和3D檢測(cè)精度：

表 1 kitti驗(yàn)證集上的性能比較。“額外信息”意味著除了3D邊框外的其他監(jiān)督，其中“mask”是指分割任務(wù)的標(biāo)簽。

2.消融實(shí)驗(yàn)。本文對(duì)模型進(jìn)行了消融實(shí)驗(yàn)，以分析驗(yàn)證各模塊的作用，如表2所示。

表 2 KITTI驗(yàn)證集上的消融分析。本文量化了自注意力模塊(SA)、ROI分?jǐn)?shù)關(guān)聯(lián)(RA)、鄰居投票分支(V)和兩個(gè)分類分支的融合(F)的影響。

3.Neighbor-Vote降低誤檢框的有效性。neighbor-vote背后的基本原理是，本文認(rèn)為大多數(shù)特征點(diǎn)會(huì)投票支持真正的目標(biāo)。因此，鄰居投票機(jī)制可以有效地過濾掉誤檢框預(yù)測(cè)。為了確認(rèn)這一原理，本文比較了baseline網(wǎng)絡(luò)（僅包含偽點(diǎn)云生成模塊和3D檢測(cè)器）和本文的網(wǎng)絡(luò)中不同IoU閾值的真陽性和假陽性的數(shù)量，如表3所示。具體來說，當(dāng)一個(gè)預(yù)測(cè)邊框和ground-truth之間的IoU大于預(yù)設(shè)的閾值，例如0.3、0.5或0.7，這個(gè)預(yù)測(cè)邊框被認(rèn)為是一個(gè)真正的目標(biāo)框(TP);否則就是誤檢框。接下來，本文計(jì)算在baseline網(wǎng)絡(luò)中但不在本文網(wǎng)絡(luò)中的誤檢框（FP）的數(shù)量。這里，本文將判定兩個(gè)邊框重合的IoU閾值設(shè)為0.1——當(dāng)兩個(gè)邊框的IoU都大于0.1時(shí)，認(rèn)為這兩個(gè)邊框指向一樣的目標(biāo)。通過這種方式，本文報(bào)告了被本文的網(wǎng)絡(luò)有效移除的誤檢框的下界。圖3的結(jié)果表明，本文的網(wǎng)絡(luò)消除了kitti驗(yàn)證集上73.8%（IoU = 0.5）和55.4%（IoU = 0.7）的誤檢框。

最后，本文還驗(yàn)證了本文的模型是否會(huì)同樣移除大量的真實(shí)目標(biāo)框（TP）。如圖3(b)所示，只有一小部分TPs會(huì)丟失，e.g. 在IoU=0.5和IoU=0.7時(shí)分別是6.4％和4.8％。

表 3 KITTI驗(yàn)證集上FP數(shù)量和TP數(shù)量的相對(duì)變化。

圖 3 本文在(a)中報(bào)告了baseline網(wǎng)絡(luò)中的FPs，以及在本文的網(wǎng)絡(luò)中成功移除的FPs；在(b)中展示baseline網(wǎng)絡(luò)中的TP的數(shù)量，以及意外刪除的TP的數(shù)量。

4.總結(jié)

在這項(xiàng)工作中，本文提出了鄰居投票的單目3D目標(biāo)檢測(cè)框架。與之前的工作的關(guān)鍵區(qū)別在于，本文考慮了目標(biāo)周圍鄰居特征點(diǎn)的預(yù)測(cè)，以幫助改善嚴(yán)重變形的點(diǎn)云的檢測(cè)。通過投票，每個(gè)特征點(diǎn)的個(gè)體、噪聲預(yù)測(cè)可以共同形成一個(gè)有效的預(yù)測(cè)。此外，通過自適應(yīng)權(quán)值將鄰居預(yù)測(cè)與局部預(yù)測(cè)相結(jié)合，得到最終的預(yù)測(cè)結(jié)果。在KITTI數(shù)據(jù)集上的實(shí)驗(yàn)證明了該方法的有效性。

備注：作者也是我們「3D視覺從入門到精通」特邀嘉賓：一個(gè)超干貨的3D視覺學(xué)習(xí)社區(qū)

原創(chuàng)征稿

初衷
3D視覺工坊是基于優(yōu)質(zhì)原創(chuàng)文章的自媒體平臺(tái)，創(chuàng)始人和合伙人致力于發(fā)布3D視覺領(lǐng)域最干貨的文章，然而少數(shù)人的力量畢竟有限，知識(shí)盲區(qū)和領(lǐng)域漏洞依然存在。為了能夠更好地展示領(lǐng)域知識(shí)，現(xiàn)向全體粉絲以及閱讀者征稿，如果您的文章是3D視覺、CV&深度學(xué)習(xí)、SLAM、三維重建、點(diǎn)云后處理、自動(dòng)駕駛、三維測(cè)量、VR/AR、3D人臉識(shí)別、醫(yī)療影像、缺陷檢測(cè)、行人重識(shí)別、目標(biāo)跟蹤、視覺產(chǎn)品落地、硬件選型、求職分享等方向，歡迎砸稿過來~文章內(nèi)容可以為paper reading、資源總結(jié)、項(xiàng)目實(shí)戰(zhàn)總結(jié)等形式，公眾號(hào)將會(huì)對(duì)每一個(gè)投稿者提供相應(yīng)的稿費(fèi)，我們支持知識(shí)有價(jià)！

投稿方式

郵箱：[email protected] 或者加下方的小助理微信，另請(qǐng)注明原創(chuàng)投稿。

▲長按加微信聯(lián)系

▲長按關(guān)注公眾號(hào)