论文笔记：PPFNet

朴灿烈づ我的快乐病毒、 2022-05-08 02:30 394阅读 0赞

*原论文：PPFNet: Global Context Aware Local Features for Robust 3D Point Matching*

# PPFNet #

## 1、四个问题 ##

1.  要解决什么问题？
    
     *  在3D视觉中，3D几何信息的局部描述子在许多任务中扮演了很重要的角色，诸如：对应性估计、匹配、配准、物体检测以及形状恢复等。尽管近10年间，出现了一系列手工设计（hand-craft）的3D特征描述子，但是却很难为3D点云数据生成理想的可重复且具有区分性的局部描述子。因为很多时候，3D点云中含有较多噪声，或是不完整的。
     *  所以，这篇论文的目的是为3D点云生成理想且鲁棒的3D局部特征子。
2.  用了什么方法解决？
    
     *  文中，提出了**PPFNet**网络。基于深度学习方法来生成易区分且抗旋转的3D局部特征子。
        
        1.  首先，将一些简单的几何特征属性如：点的坐标、法线以及**点对特征（point pair features, PPF）**，组合起来成原始特征；
        2.  随后，又设计了一个新的损失函数：**N-tuple Loss**。其类似于contrastive loss，能同时将多个同类或者不同类样本嵌入到一个欧式空间中，样本之间的差异用其特征向量的欧式距离表示。
        3.  最后，PPFNet网络的结构继承自PointNet，因此它天生就可以处理点云以及应对点的无序性。
3.  效果如何？
    
     *  文中对PPFNet进行了额外的验证实验，在准确率、速度、对点的稠密程度的鲁棒性以及抗3D平移旋转等方面都取得了最state-of-the-art的效果。
4.  还存在什么问题？
    
    1.  PPFNet的一个问题在于二次内存的占用，导致我们只能将硬件上的patch数限制为2000个。而另一个3D匹配方法——3D Match，则取到5000个，所以在某些特定任务上效果相比下略微差一些。
    2.  现在的3D匹配都是基于室内场景的3D特征点匹配，还没有针对更具一般性更难的场景下进行研究。

## 2、论文概述 ##

### 2.1、相关工作 ###

1.  hand-crafted的3D特征描述子：
    
     *  旋转不变特征，比如点对特征（point pair feature, PPF），例如：*PPFH*、*FPFH*。
2.  训练得到的3D特征描述子：
    
     *  有一部分方法是直接处理点云，进行编码。比如，*TDF*、*TSDF*等。最近有一项此类的研究工作——*3DMatch*，它先使用TSDF进行编码，随后使用一个contrastiev loss损失函数来衡量样本间的一致性并训练网络。
     *  另外一个分支，是基于3D信息获取投影的2D图片或者深度图，并使用已经广泛研究过的基于2D图片的分类网络。
     *  此外还有一个分支，图网络（graph networks）也可以用于表示点集。
     *  一个比较重要的突破源自于PointNet，可以直接输入原始的3D点云。之后还扩展为了PointNet++，以更好地提取局部信息。

### 2.2、背景 ###

#### 2.2.1、动机 ####

*  假设有两个点集 X ∈ R n × 3 X \\in \\mathbb\{R\}^\{n \\times 3\} X∈Rn×3和 Y ∈ R n × 3 Y \\in \\mathbb\{R\}^\{n \\times 3\} Y∈Rn×3，其中 x i x\_i xi和 y i y\_i yi分别表示连个点集中对应的第 i i i个点的坐标。
 *  假设每个点 x i x\_i xi都有一个与之对应的 y i y\_i yi，使用一个置换矩阵 P ∈ P n P \\in \\mathbb\{P\}^n P∈Pn来表示这个对应关系。
 *  两个点集之间的变换关系矩阵可以定义为： T = \{ R ∈ S O ( 3 ) , t ∈ R 3 \} T=\\\{ R \\in SO(3), t \\in \\mathbb\{R\}^3 \\\} T=\{ R∈SO(3),t∈R3\}。
 *  点集之间的L2距离如下：

(1) d ( X , Y ∣ R , t , P ) = 1 n ∑ i = 1 n ∥ x i − R y i ( P ) − t ∥ d(X, Y | R, t, P) = \\frac\{1\}\{n\} \\sum\_\{i=1\}^\{n\} \\| x\_i - Ry\_\{i(P)\} - t \\| \\tag\{1\} d(X,Y∣R,t,P)=n1i=1∑n∥xi−Ryi(P)−t∥(1)

*  其中， x i x\_i xi与 y i ( P ) y\_\{i(P)\} yi(P)之间的对应关系为 P P P。
 *  假设 X X X和 Y Y Y的维度相同，即 ∣ X ∣ = ∣ Y ∣ = n |X| = |Y| = n ∣X∣=∣Y∣=n。
 *  式子1可以转为如下式：

(2) d ( X , Y ∣ T , P ) = 1 n ∥ X − P Y T T ∥ d(X, Y | T, P) = \\frac\{1\}\{n\} \\| X - P Y T^T \\| \\tag\{2\} d(X,Y∣T,P)=n1∥X−PYTT∥(2)

*  理想情况下，如果两个点集相互匹配，那么 d ( X , Y ∣ T , P ) ≈ 0 d(X, Y | T, P) \\approx 0 d(X,Y∣T,P)≈0。
 *  这也意味着，我们需要寻找一个也满足类似性质的非线性映射关系： f ( x ) f(x) f(x)。

(3) d f ( X , Y ∣ T , P ) = 1 n ∥ f ( X ) − f ( P Y T T ) ∥ d\_f(X, Y | T, P) = \\frac\{1\}\{n\} \\| f(X) - f(PYT^T) \\| \\tag\{3\} df(X,Y∣T,P)=n1∥f(X)−f(PYTT)∥(3)

*  如果两个点集相互匹配，那么也会有： d f ( X , Y ∣ T , P ) ≈ 0 d\_f(X, Y | T, P) \\approx 0 df(X,Y∣T,P)≈0。
 *  此外，为了保证旋转和置换不变性，最好能保证 f ( Y ) ≈ f ( P Y T T ) f(Y) \\approx f(PYT^T) f(Y)≈f(PYTT)。
 *  很自然地，就想到了PointNet架构，它可以处理无序点集，并提取成全局特征。

#### 2.2.2、Point Pair Features（PPF） ####

*  PPF是一个4维的描述子，表示的是一对点 x 1 x\_1 x1和 x 2 x\_2 x2的表面特征，计算公式如下：

(4) ψ 12 = ( ∥ d ∥ , ∠ ( n 1 , d ) , ∠ ( n 2 , d ) , ∠ ( n 1 , n 1 ) ) \\psi\_\{12\} = (\\|d\\|, \\angle\{(n1, d)\}, \\angle\{(n2, d)\}, \\angle\{(n1, n1)\} ) \\tag\{4\} ψ12=(∥d∥,∠(n1,d),∠(n2,d),∠(n1,n1))(4)

*   d d d：两个点之间的差值，是一个向量。
 *   n 1 n\_1 n1、$ n\_2 分 别 是 分别是 分别是x\_1  、 、 、 x\_2$上的法向量。
 *   ∥ ˙ ∥ \\| \\dot\{\} \\| ∥˙∥：欧氏距离。
 *   ∠ \\angle ∠表示向量之间的夹角：

(5) ∠ ( v 1 , v 2 ) = a t a n 2 ( ∥ v 1 × v 2 ∥ , v 1 ⋅ v 2 ) \\angle(v\_1, v\_2) = atan2(\\| v\_1 \\times v\_2 \\|, v\_1 \\cdot v2) \\tag\{5\} ∠(v1,v2)=atan2(∥v1×v2∥,v1⋅v2)(5)

#### 2.2.3、PointNet ####

*  文中只是用了原始的PointNet（vanilla PointNet），不带STN单元。
 *  PointNet是通过一些独立的MLP来处理点云数据，最后通过一个全局的最大池化来提取全局特征，可以处理无序、长度可变化的点集。（具体内容不做赘述，可以参考PointNet的论文）

### 2.3、PPFNet ###

#### 2.3.1、局部几何信息编码 ####

![在这里插入图片描述][70]

*   x r x\_r xr为中心点， x i x\_i xi表示一个以 x r x\_r xr为中心的patch内的点（即 i i i为 r r r领域的点）

(6) F r = \{ x r , n r , x i , . . . , n i , . . . , ψ r i , . . . \} F\_r = \\\{ x\_r, n\_r, x\_i, ..., n\_i, ..., \\psi\_\{ri\}, ... \\\} \\tag\{6\} Fr=\{ xr,nr,xi,...,ni,...,ψri,...\}(6)

#### 2.3.2、网络结构 ####

![在这里插入图片描述][70 1]

1.  输入包含有N个均匀采样的局部区域（local patches）。
2.  从这些区域中提取特征，随后送入mini-PointNet中，进一步提取特征。所有的PointNet的权值和偏置参数都共享。
3.  接着使用一个最大池化层将各个patch的局部特征聚合为全局特征。
4.  然后再把全局特征拼接到各个局部特征上。
5.  最后使用一组MLP来融合局部和全局特征得到最终的3D特征描述子。

#### 2.3.3、N-tuple Loss ####

![在这里插入图片描述][70 2]

*  两种常用的loss函数：contrastive loss和triplet loss。尽管这两个loss会尽可能区分2/3个样本，但是也存在一些隐患，如图中所示，尽管都满足了减小类内间距增加类间间距的要求，但是并没有保证所有的样本都能满足这一性质。而样本对的选取是随机的，无法保证一定能包括所有可能情况。
 *  将这类loss推广到N个样本的情况，提出了N-tuple loss。
 *  给定ground truth的变换矩阵 T T T，首先要计算点集对齐后的对应性矩阵： M ∈ R N × N M \\in \\mathbb\{R\}^\{N \\times N\} M∈RN×N。 M = ( m i j ) M = (m\_\{ij\}) M=(mij)

(7) m i j = σ ( ∥ x i − T y j ∥ 2 < τ ) m\_\{ij\} = \\sigma ( \\| x\_i - T y\_j \\|\_2 < \\tau) \\tag\{7\} mij=σ(∥xi−Tyj∥2<τ)(7)

*   σ \\sigma σ是标志函数。
 *  类似地，也可以计算特征空间距离矩阵 D ∈ R N × N D \\in \\mathbb\{R\}^\{N \\times N\} D∈RN×N和 D = d i j D = d\_\{ij\} D=dij：

(8) d i j = ∥ f ( x i ) − f ( y i ) ∥ 2 d\_\{ij\} = \\| f(x\_i) - f(y\_i) \\|\_2 \\tag\{8\} dij=∥f(xi)−f(yi)∥2(8)

*  N-tuple loss计算公式如下：

(9) L = ∑ ∗ ( M ∘ D ∥ M ∥ 2 2 + α m a x ( θ − ( 1 − M ) ∘ D , 0 ) N 2 − ∥ M ∥ 2 2 ) L = \\sum^\* ( \\frac\{M \\circ D\}\{\\| M \\|\_2^2\} + \\alpha \\frac\{max(\\theta - (1 - M) \\circ D, 0)\}\{N^2 - \\|M\\|\_2^2\} ) \\tag\{9\} L=∑∗(∥M∥22M∘D\+αN2−∥M∥22max(θ−(1−M)∘D,0))(9)

*   ∘ \\circ ∘表示矩阵的哈达马乘积（hadamard product），即矩阵对应位置的数相乘。
 *   α \\alpha α为权衡同类和异类样本对间距的超参数， θ \\theta θ为异类样本点之间距离的下边界（最小值）。

### 2.4、训练网络 ###

![在这里插入图片描述][70 3]

[70]: /images/20220508/35d28e50760845aca9f264b26d4bde4b.png
[70 1]: /images/20220508/0bde160755f749448a754d53be8d0ad6.png
[70 2]: /images/20220508/d1e4318b9b754fbfa4506c64fcd434d1.png
[70 3]: /images/20220508/d8803726deb94811875d38de40462f30.png