【论文笔记】基于点云投影的激光里程计: CNN for IMU Assisted Odometry Estimation using Velodyne LiDAR

论文将三维点云编码成2维矩阵,使用CNN对其进行特征提取和后续处理.
类似的方法在其之前的工作中被用于ground segmentation 以及 vehicle detection：

《M. Velas, M. Spanel, M. Hradis, and A. Herout, “CNN for very fastground segmentation in Velodyne lidar data,” 2017. [Online]. Available:http://arxiv.org/abs/1709.0212》，

《B. Li, T. Zhang, and T. Xia, “Vehicle detection from 3D lidarusing fully convolutional network,”CoRR, vol. abs/1608.07916, 2016.[Online]. Available: http://arxiv.org/abs/1608.079116》

这篇是用同样的点云编码方法来做激光里程计。

点云二维编码：

将点云P编码为一个二维矩阵（图像）。
首先将原始点云按照角度和激光的线束，划分为一个个polar bin:

这样每一个polar bin 可以用坐标（r，c）来表示 。r为激光的线束，c表示角度；在二维矩阵中对应像素点（r，c）：

由于使用64线的雷达，二维图像的高是64
图像是3通道的，分别记录了每个polar bin 中的所有点云的 深度，高度，强度
$$\frac{{\sum }_{\mathbf{p}\in {\mathbf{b}}_{\mathbf{r},\mathbf{c}}}\left[p^y,{\Vert p^x,p^z\Vert }_2,p^i\right]}{\left|{\mathbf{b}}_{\mathbf{r},\mathbf{c}}\right|}$$

网络结构

使用多帧输入提升鲁棒性；

使用两个不同的孪生神经网络进行旋转、平移预测，即用CNN对每个输入图像对提特征然后用FC层将所有特征融合输出R或者T （regression CNN）

其中 CNN part 的结构为：

这种分别单独预测的方法大幅提高了平移量的预测精度。（然而在相机重定位中，两个一起预测可以共享特征提升精度。）
然而，旋转精度还是很差。这里将旋转量的预测视为了回归问题，但是在里程计任务中前后帧的差别很小，因此旋转量的解空间也很小，通过密集采样可以将其转换为一个分类问题：
R=arg⁡max⁡i∈{0,…,K−1}Γ(Ri(Mn),Mn−1)Γ:M2→R\begin{array}{c} R=\arg \max _{i \in\{0, \ldots, K-1\}} \Gamma\left(R_{i}\left(\boldsymbol{M}_{\boldsymbol{n}}\right), \boldsymbol{M}_{\boldsymbol{n}-1}\right) \\ \Gamma: \mathbb{M}^{2} \rightarrow \mathbb{R} \end{array}R=argmaxi∈{0,…,K−1}​Γ(Ri​(Mn​),Mn−1​)Γ:M2→R​
这里M是编码后的点云图像。
对应的网络结构就变成了（classification CNN）

即将当前帧点云随机旋转多次后和前一帧一起成对的输入CNN和FC网络，最后用softmax对结果进行评分，
这里的CNN part 也进行了改进：图像的水平分辨率也增加到了1800（分辨率提高增加了性能，对应的卷积核size也做了修改）

注意为了减少采样的数量，作者将xyz三个轴的旋转分开，使用三个CNN对其分别进行预测

最优旋转预测量的选择

选择可能性最大的（softmax 输出最高的）
或者使用加权平均：
$$R^{\ast }=\frac{{\sum }_{i\in S_W}p\left(R_i\right)\cdot R_i}{{\sum }_{i\in S_W}p\left(R_i\right)}$$

数据预处理：

对垂直高度进行归一化，对深度进行log放缩：
$$\bar{h}=\frac{y^i}{H},H=3;\bar{d}=\log (d)$$

实验中没有得到性能提升的尝试：

• 没有使用垂直高度归一化和深度log放缩
• 三维点坐标作为矩阵的通道值。

实验分析

对前后帧输入序列长度的实验

N= 5最佳，分开训练最佳

对选择最佳旋转向量时要考虑的候选数目的实验

与loam的对比试验