王 剛 王 沛

1(中國(guó)科學(xué)院電子學(xué)研究所 北京 100190)2(中國(guó)科學(xué)院大學(xué) 北京 100190)

0 引 言

近年來，隨著智能化技術(shù)以及無人化技術(shù)的發(fā)展，傳感器技術(shù)蓬勃發(fā)展。作為三維環(huán)境感知傳感器的激光雷達(dá)自然也受到了越來越多的關(guān)注，其在無人駕駛、測(cè)繪、軍事等領(lǐng)域都有很多運(yùn)用。激光雷達(dá)的數(shù)據(jù)產(chǎn)品是三維點(diǎn)云，即三維坐標(biāo)系下的點(diǎn)的數(shù)據(jù)集，它包含三維坐標(biāo)(x,y,z)和反射強(qiáng)度等豐富的信息。利用激光雷達(dá)產(chǎn)生的點(diǎn)云數(shù)據(jù)，可以獲得三維目標(biāo)的三維信息，比圖像具有更好的深度信息；而圖像具有RGB值，具有目標(biāo)的更多的細(xì)節(jié)信息。因此在自動(dòng)駕駛領(lǐng)域，感知模塊的潮流就是將激光雷達(dá)數(shù)據(jù)和二維圖像相結(jié)合，進(jìn)行目標(biāo)檢測(cè)，獲得汽車的周圍環(huán)境信息。

在自動(dòng)駕駛的感知算法方面，主要有三種思路：

(1)利用相機(jī)產(chǎn)生的二維圖像進(jìn)行目標(biāo)檢測(cè)。傳統(tǒng)的圖像目標(biāo)檢測(cè)算法采用方向梯度直方圖(Histogram of Oriented Gradient，HOG)[1]、尺度不變特征變換(Scale-Invariant Feature Transform，SIFT)[2]等手工特征對(duì)圖像進(jìn)行特征提取，得到目標(biāo)的邊緣信息，再用支持向量機(jī)(Support Vector Machine, SVM)[3]或AdaBoost[4]算法對(duì)目標(biāo)特征進(jìn)行分類檢測(cè)。在神經(jīng)網(wǎng)絡(luò)發(fā)展之后，RCNN[5]、Fast RCNN[6]、Faster RCNN[7]等算法將目標(biāo)檢測(cè)提升到了一個(gè)新的高度。但由于相機(jī)圖片是二維的，如果在自動(dòng)駕駛場(chǎng)景中完全利用圖像信息，很難獲得三維空間目標(biāo)的精確位置。

(2)利用激光雷達(dá)的點(diǎn)云數(shù)據(jù)進(jìn)行目標(biāo)檢測(cè)。激光雷達(dá)點(diǎn)云數(shù)據(jù)具有三維空間豐富的深度信息，利用激光雷達(dá)點(diǎn)云的這一特點(diǎn)，可以進(jìn)行三維目標(biāo)檢測(cè)。Zhou等[8]利用類似于圖像像素的方法，將點(diǎn)云數(shù)據(jù)體素化，每個(gè)體素取值0或1(判斷體素是否含有目標(biāo))，再將三維卷積神經(jīng)網(wǎng)絡(luò)運(yùn)用到點(diǎn)云的體素網(wǎng)格。但是由于空體素的存在，這種方法消耗了大量的內(nèi)存并且需要大量的計(jì)算量。PointNet[9-10]系列算法與PointCNN[11]直接對(duì)點(diǎn)云進(jìn)行處理，進(jìn)行點(diǎn)云分類，但是這些算法只能適用于室內(nèi)環(huán)境這些小場(chǎng)景，對(duì)于自動(dòng)駕駛這種復(fù)雜場(chǎng)景難以適應(yīng)。

(3)利用激光雷達(dá)點(diǎn)云數(shù)據(jù)與相機(jī)圖像融合進(jìn)行目標(biāo)檢測(cè)。百度提出的MV3D[12]將激光雷達(dá)點(diǎn)云數(shù)據(jù)投影成俯視圖與前視圖，在點(diǎn)云俯視圖上進(jìn)行候選區(qū)域生成，再將生成的候選區(qū)域分別映射至RGB圖像、點(diǎn)云俯視圖和點(diǎn)云前視圖上進(jìn)行感興趣區(qū)域(Region of Interest)的特征提取與特征融合，最后進(jìn)行位置回歸和目標(biāo)分類。但是這種方法只利用俯視圖生成候選區(qū)域，會(huì)造成分類和定位的不準(zhǔn)確。Qi等[13]對(duì)二維圖像利用區(qū)域候選網(wǎng)絡(luò)生成候選區(qū)域，并將生成的候選區(qū)域映射至三維點(diǎn)云中，運(yùn)用PointNet++進(jìn)行點(diǎn)云分類。這種方法只利用了圖像信息進(jìn)行候選區(qū)域生成，也會(huì)造成分類與定位的不準(zhǔn)確。Ku等[14]提出了AVOD算法，其利用深度卷積網(wǎng)絡(luò)分別對(duì)三維點(diǎn)云數(shù)據(jù)的俯視圖與二維圖像進(jìn)行特征提取，并分別將二者得到的特征圖送入?yún)^(qū)域候選網(wǎng)絡(luò)進(jìn)行候選區(qū)域生成，最后進(jìn)行目標(biāo)分類和位置回歸。

本文提出自動(dòng)駕駛場(chǎng)景下的三維目標(biāo)檢測(cè)改進(jìn)算法，利用點(diǎn)云和圖像融合的方法，檢測(cè)目標(biāo)，并獲得目標(biāo)物體的三維位置信息與類別信息。本文提出的算法具有以下創(chuàng)新點(diǎn)：

(1)對(duì)激光點(diǎn)云進(jìn)行預(yù)處理，得到具有高度通道、點(diǎn)云密度通道以及反射強(qiáng)度的俯視特征圖。

(2)在區(qū)域候選網(wǎng)絡(luò)之后，對(duì)點(diǎn)云的俯視圖特征與圖像特征的ROI使用ROI Align進(jìn)行池化，避免了ROI Pooling的兩次量化造成的誤差。

1 整體網(wǎng)絡(luò)結(jié)構(gòu)

本文將Faster RCNN[6]運(yùn)用到點(diǎn)云和圖像融合的三維目標(biāo)檢測(cè)上，其為了加強(qiáng)對(duì)小目標(biāo)的檢測(cè)準(zhǔn)確性，在生成特征圖時(shí)，引入了特征金字塔網(wǎng)絡(luò)[15]，使其生成的特征圖與輸入圖像具有同樣的尺寸，并融合了各個(gè)卷積層所提取的特征，使網(wǎng)絡(luò)對(duì)小目標(biāo)召回率提高。整體網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 整體結(jié)構(gòu)圖

1.1 Faster RCNN網(wǎng)絡(luò)

Faster RCNN算法是2015年提出的兩階段目標(biāo)檢測(cè)算法，是目標(biāo)檢測(cè)的經(jīng)典框架，其提出了區(qū)域候選網(wǎng)絡(luò)。目標(biāo)檢測(cè)具有兩個(gè)任務(wù)：目標(biāo)分類和位置回歸?；趨^(qū)域候選網(wǎng)絡(luò)的方法能夠很好地完成這兩個(gè)任務(wù)。其主要分為兩步：

Step1將圖像作為輸入，使用深度網(wǎng)絡(luò)提取輸入圖像的特征圖，區(qū)域候選網(wǎng)絡(luò)對(duì)前面生成的特征圖進(jìn)行裁剪，使其生成一定量的anchor，然后區(qū)域候選網(wǎng)絡(luò)再對(duì)這些anchor作分類(判斷是不是目標(biāo))和位置回歸(粗定位)，生成一定量的候選區(qū)域。區(qū)域候選網(wǎng)絡(luò)如圖2所示。

圖2 特征候選網(wǎng)絡(luò)

Step2將生成的候選區(qū)域映射至輸入圖像生成的特征圖，得到感興趣區(qū)域，并進(jìn)行ROI Pooling，得到固定大小的候選區(qū)域特征圖。最后用全連接層進(jìn)行分類(具體類別)和位置回歸(精確定位)。

1.2 特征金字塔網(wǎng)絡(luò)

特征金字塔網(wǎng)絡(luò)通過簡(jiǎn)單地改變網(wǎng)絡(luò)的連接，在幾乎不增加網(wǎng)絡(luò)計(jì)算量的情況下，提升了網(wǎng)絡(luò)對(duì)小目標(biāo)的檢測(cè)性能。在深度卷積神經(jīng)網(wǎng)絡(luò)中，網(wǎng)絡(luò)的層數(shù)越深，得到的特征圖的分辨率越低，但語義信息卻越豐富。特征金字塔網(wǎng)絡(luò)通過將卷積網(wǎng)絡(luò)底層的高分辨率、低語義信息的特征圖與網(wǎng)絡(luò)上層的低分辨率、高語義信息的特征圖進(jìn)行由上到下的連接，使各個(gè)尺度下的特征圖都具有較為豐富的語義信息。特征金字塔網(wǎng)絡(luò)主要分為三個(gè)部分：自下而上的卷積特征提取網(wǎng)絡(luò)，自上而下的上采樣過程，以及同一層間特征的橫向連接。自下而上的卷積特征提取網(wǎng)絡(luò)為卷積網(wǎng)絡(luò)的前向過程，得到語義信息逐漸增強(qiáng)，分辨率逐漸變小的特征圖。自上而下的上采樣過程將上層特征圖逐漸向下一層上采樣，得到與下一層相同尺寸的特征圖。橫向連接將上采樣得到的特征圖與下一層特征圖進(jìn)行融合，使得到的特征圖既具有高層語義信息，又具有低層的定位細(xì)節(jié)信息。特征金字塔網(wǎng)絡(luò)如圖3所示。

圖3 特征金字塔網(wǎng)絡(luò)

2 點(diǎn)云數(shù)據(jù)預(yù)處理

圖4 點(diǎn)云俯視圖

3 ROI Align

在Faster RCNN中，區(qū)域候選網(wǎng)絡(luò)生成候選區(qū)域后，網(wǎng)絡(luò)將候選區(qū)域映射到前面卷積網(wǎng)絡(luò)生成的特征圖中，然后使用ROI Pooling對(duì)目標(biāo)區(qū)域進(jìn)行池化，但是這個(gè)步驟會(huì)有兩次量化操作，如圖5所示。由于在卷積過程中，圖像進(jìn)行了下采樣，所以在將候選區(qū)域映射至卷積特征圖的過程中，也需要將候選框下采樣同樣的倍數(shù)，如果對(duì)候選框下采樣不能夠除盡，將其量化為整數(shù)，這就出現(xiàn)了第一次量化操作。在池化過程中，需要將候選區(qū)域平均分割為k×k個(gè)單元，同樣，如果不能整除，這就會(huì)產(chǎn)生第二次量化操作。經(jīng)過這兩次量化后，回歸出來的目標(biāo)框與量化后的目標(biāo)框發(fā)生了一定的偏差，因此會(huì)導(dǎo)致檢測(cè)精度下降。

圖5 ROI Pooling

采用ROI Align[16]解決這個(gè)問題，如圖6所示。

圖6 ROI Align

取消兩次量化操作，使用雙線性插值獲得坐標(biāo)為浮點(diǎn)數(shù)的像素點(diǎn)上的圖像數(shù)值。具體過程如下：

(1)將目標(biāo)候選區(qū)域映射至卷積特征圖上，映射過程中不做量化處理。

(2)將候選區(qū)域劃分為k×k個(gè)單元，每個(gè)單元的邊界也不做量化處理。

(3)對(duì)每個(gè)單元取四個(gè)固定的坐標(biāo)點(diǎn)，用雙線性插值的方法計(jì)算出這四個(gè)點(diǎn)的坐標(biāo)，然后對(duì)其進(jìn)行最大池化操作。

在ROI Pooling操作中，反向傳播公式為：

(1)

式中：xi表示在池化操作之前卷積特征圖上的像素點(diǎn)；yrj表示ROI Pooling之后的第r個(gè)候選框的第j個(gè)點(diǎn)；i*(r,j)代表點(diǎn)yrj池化之前的坐標(biāo)點(diǎn)。由式(1)可以看出，只有在ROI Pooling之后的點(diǎn)的像素值在Pooling操作中使用了當(dāng)前點(diǎn)xi的像素值(即當(dāng)i=i*(r,j))時(shí),xi的梯度才反向傳播。

ROI Align的反向傳播公式為：

(2)

4 實(shí) 驗(yàn)

4.1 實(shí)驗(yàn)數(shù)據(jù)集

本文實(shí)驗(yàn)采用KITTI數(shù)據(jù)集，它是自動(dòng)駕駛領(lǐng)域最出名的數(shù)據(jù)集之一，目前自動(dòng)駕駛領(lǐng)域的大量算法都在此數(shù)據(jù)集下進(jìn)行實(shí)驗(yàn)。本文利用其三維點(diǎn)云數(shù)據(jù)集和圖像數(shù)據(jù)集，包含7 481個(gè)三維點(diǎn)云文件和圖像文件。點(diǎn)云文件被裁減到以激光雷達(dá)為原點(diǎn)，橫縱坐標(biāo)分別為[-40,40]×[0,70]m的范圍內(nèi)。

4.2 實(shí)驗(yàn)環(huán)境

本文是在Ubuntu 16.04系統(tǒng)下，采用TensorFlow 1.9深度學(xué)習(xí)框架，CPU為Intel(R)Core(TM)i7-3770，GPU為MSI 1080Ti，開發(fā)工具為Pycharm+Anaconda，Python版本為3.6。訓(xùn)練大約需要15 h。

4.3 實(shí)驗(yàn)結(jié)果分析

在訓(xùn)練集，測(cè)試集與驗(yàn)證集的分割與目前兩種基于激光雷達(dá)點(diǎn)云數(shù)據(jù)和圖像融合的算法分割相同的情況下，由表1與表2可以看出，在KITTI數(shù)據(jù)集中，本文算法在加入反射強(qiáng)度信息后，3D平均精度(AP-3D)和俯視圖平均精度(AP-BEV)都有一定的提升，說明反射強(qiáng)度信息對(duì)神經(jīng)網(wǎng)絡(luò)的特征提取具有一定的幫助。在用ROI Align替代ROI Pooling后，3D平均精度和俯視圖平均精度也有一定的提升，特別是在檢測(cè)小目標(biāo)方面，其中容易、中等、困難為目標(biāo)檢測(cè)的難度。檢測(cè)結(jié)果如圖7所示。

表1 各方法3D平均精度(AP-3D)對(duì)比(Car)

表2 各方法俯視圖平均精度(AP-BEV)對(duì)比(Car)

(a)2D車輛檢測(cè)結(jié)果

5 結(jié) 語

本文提出基于深度學(xué)習(xí)的三維目標(biāo)檢測(cè)改進(jìn)方法，并且實(shí)現(xiàn)改進(jìn)的檢測(cè)網(wǎng)絡(luò)。通過將激光雷達(dá)點(diǎn)云數(shù)據(jù)與圖像相結(jié)合，使檢測(cè)網(wǎng)絡(luò)不僅能夠提取激光雷達(dá)點(diǎn)云的深度信息，還可以提取圖像的顏色細(xì)節(jié)信息，減少單一輸入形式對(duì)目標(biāo)檢測(cè)準(zhǔn)確率造成的影響。將反映目標(biāo)材質(zhì)信息的反射強(qiáng)度引入點(diǎn)云俯視圖的信息通道中，對(duì)特征的提取有一定的幫助；將候選區(qū)域網(wǎng)絡(luò)得到的候選區(qū)域映射至卷積特征圖之后，采用ROI Align，避免了原來池化過程中的兩次量化操作。本文提出的對(duì)三維目標(biāo)檢測(cè)的改進(jìn)方法，在使用激光雷達(dá)點(diǎn)云與圖像融合的前提下，三維目標(biāo)檢測(cè)效果有一定的提升。