【技术】地平线-华中科技大学计算机视觉联合实验室发表：基于径向对称性和分治策略的点云方位角归一化

时间： 2022-06-04 来源：地平线

技术问答

选型帮助

研发客服

商务客服

点云感知算法是安全鲁棒的自动驾驶系统中尤为重要的一环。在CVPR 2022上，地平线-华中科技大学计算机视觉联合实验室发表了研究成果Azimuth Normalization——以点云特有的径向对称性作为先验，对数据归一化，降低从点云中获取信息的难度。该归一化方法能与大多数感知算法结合，降低对训练数据的需求并提升性能上限，在三维场景感知中有着广泛的应用价值。

简介

从机器学习的角度考虑，数据中隐含的对称性能够作为算法的归纳偏置（inductive bias），对于提升算法精度有很大的帮助。点云是三维场景理解中最重要的表示形式，本工作讨论了点云数据特有的径向对称性（Radial Symmetry），并提出了针对点云数据的方位角归一化方法（Azimuth Normalization / AziNorm）。Azimuth Normalization采用了一种分而治之（Divide-and-conquer）的策略，灵活地分解全场景点云并在子点云上进行归一化。归一化后的子点云具有更简单的模式（pattern），更容易被下游的感知算法识别。Azimuth Normalization具有很强的拓展性，能够应用在多种传感器产生的点云数据上（如LiDAR、RADAR、RGB-D camera），能够与各类感知算法（如检测、分割）结合并且不需要改变具体算法的实现细节和超参数。Azimuth Normalization能够显著提升感知算法的数据效率（Data Efficiency），收敛速度和性能上限，如图1所示，AziNorm与SECOND ^[1]检测算法结合提升明显，仅用10%的数据量或迭代次数就优于充分训练的SECOND。

径向对称性

径向对称性与产生点云数据的传感器（LiDAR / RADAR /RGB-D camera）的工作原理高度相关。以LiDAR为例，如图2，LiDAR始终沿着径向（法向）方向向各个方位角发射电磁波，电磁波触碰到障碍物表面后反射，沿着径向方向反射的回波最终被LiDAR接收，形成点云。因此，产生的点云在径向方向上具有明显的对称性（如图2中，地面的点云对称性明显）。

算法流程

Azimuth Normalization采用了分治的策略，具体流程如下（流程图见图3）：

●Patch Splitting：把整个感知范围拆分为相互重叠的块（patch），把全场景的点云规则地分解为子点云；

●Patch Filtering：滤除不包含点云的patch、只含地面点的patch（点云具有稀疏性、不均匀性），避免不必要的计算开销；

●Normalization：对子点云进行平移变换、旋转变换（对每个点的3D坐标进行），统一各个patch的径向方向；

●Patch-wise Perception：在patch level调用现成的感知算法（point-based、voxel-based、hybrid），不需要改变实现细节和超参数；

●Inverse Normalization：把感知结果逆变换回原本的LiDAR坐标系；

●Patch Merging：融合各个patch结果，对于不同的感知任务可以采用不同的融合策略，例如，对于检测采用非极大值抑制（NMS），对于分割采用逐点平均。

实验结果

1.点云检测和点云分割

表1和表2是Azimuth Normalization在点云检测和分割两个感知任务上的实验结果。值得注意的是，对于检测难度大的类别（点稀疏、训练样本数量少），如pedestrian和cyclist，Azimuth Normalization能够带来更明显的增益。Azimuth Normalization极大地简化点云数据中的模式（pattern），消除方位角带来的差异，在归一化后，难类别检测难度显著降低。

2. 归一化粒度（Normalization Granularity）

图4展示了另一种分治策略，被称之为扇形区域归一化（Sectorial Normalization）。点云被均匀划分为扇形区域，并通过旋转统一径向方向。表3对比了Sectorial Normalization和Azimuth Normalization。4- 和8- Sectorial Normalization 把方位角的变化范围分别缩小到了90º和45º，而Azimuth Normalization的归一化粒度更小，因此性能提升更明显。

3. 消融实验

表4是相关的消融实验，验证了Azimuth Normalization的性能提升主要来自于旋转变换，即对径向方向的归一化，以及Azimuth Normalization对patch的形状layout、尺寸radius、间距stride的选择不敏感。

总结

Azimuth Normalization利用径向对称性对点云数据进行归一化，带来在数据效率、收敛速度、性能上限三个方面的提升，能够减少感知算法对于数据量的需求，降低标注成本，并且在对感知精度要求高的离线应用场景中有较大的应用价值，如自动标注（Auto Labeling）和生成高精地图（HD Maps）。

发送到邮箱 |
+1 赞 0
收藏
评论 0
| 转发至：

本文由放弃是坚强的第一课转载自地平线，原文标题为:CVPR 2022 | 基于径向对称性和分治策略的点云方位角归一化，本站所有转载文章系出于传递更多信息之目的，且明确注明来源，不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

全部评论（0）

暂无评论

【技术】地平线-中科院提出CIRKD，一种新颖的跨图像关系型KD方法用于语义分割任务

地平线提出一种跨图像的知识蒸馏（KD）方法来建模图像间的依赖，从而使得网络能够捕捉到更加丰富的结构化信息。具体地，本工作建模数据集中的全部图像之间建模pixel-to-pixel以及pixel-to-region的对比关系作为知识。

新技术发布时间 : 2022-05-28

地平线（Horizon Robotics）是边缘人工智能芯片的全球领导者，可向行业客户提供“芯片+算法IP+工具链”的完整解决方案。作为国内唯一实现车规级人工智能芯片前装量产的企业。世强是地平线官方授权一级代理商，代理地平线旗下人工智能芯片等产品，库存丰富，正品保证。

边缘人工智能芯片效能边缘 AI 芯片丰富算法IP 开放工具链 SOC AI算法

授权代理商 - 世强先进（深圳）科技股份有限公司线上商城技术资料

展开

地平线主动安全产品获国内首个ASIL B产品级功能安全认证

近日，地平线主动安全产品Horizon Matrix Mono获得国内首个ISO 26262功能安全ASIL B产品级功能安全认证。这意味着地平线主动安全产品在产品层面获得了国际标准认可，为中国智能汽车“出海”提供更全面、更符合当地要求的安全助力。

原厂动态发布时间 : 2024-04-25

世界模型：地平线眼中的「认知大脑」

在8月28日举办的地平线高阶智驾技术开放日上，地平线创始人兼CEO余凯博士就当下火热的端到端，智能驾驶未来发展趋势、地平线软硬结合的王炸产品Horion SuperDrive™（HSD™），与参会嘉宾进行了真诚的分享。其中，余凯博士提到，“端到端是每家公司都能掌握的，魔鬼在细节中。” 本篇文章即从端到端讲起，并为大家剖析何为地平线的“驾驶世界观”。

技术探讨发布时间 : 2024-10-23

地平线（Horizon Robotics）新一代AIoT智能芯片选型表

描述- 旭日®3 是地平线针对 AIoT 场景，推出的新一代低功耗、高性能的智能芯片；集成了地平线最先进的伯努利2.0 架构引擎( BPU® )，可提供 5TOPS 的算力。新的 BPU 架构极大提升了对先进 CNN 网络架构的支持效果，并极大降低了运算对 DDR 带宽的占用率。辅以地平线天工开物® 软件开发平台，大幅简化算法开发与部署过程，降低产品的落地成本。

型号- X3M,X3E

选型指南 - 地平线 - 2022/10/25 PDF 中文下载