3D点云点云分割、目标检测、分类

3D点云点云分割、目标检测、分类

原标题Deep Learning for 3D Point Clouds: A Survey

作者Yulan Guo, Hanyun Wang, Qingyong Hu, Hao Liu, Li Liu, and Mohammed Bennamoun

原文参考链接：https://arxiv.org/abs/1912.12033

导读

3D点云学*（ Point Clouds）作为*年来的研究热点之一，受到了广泛关注，每年在各大会议上都有大量的相关文章发表。当前，点云上的深度学*变得越来越流行，人们提出了许多方法来解决这一领域的不同问题。国防科技大学郭裕兰老师课题组新出的这篇论文对*几年点云深度学*方法进行了全面综述，是第一篇全面涵盖多个重要点云相关任务的深度学*方法的综述论文，包括三维形状分类、三维目标检测与跟踪、三维点云分割等，并对点云深度学*的机制和策略进行全面的归纳和解读，帮助读者更好地了解当前的研究现状和思路。也提供了现有方法在几个可公开获得的数据集上的全面比较，最后也介绍了未来的研究方向。

对于3D点云，数据正在迅速增长。大有从2D向3D发展的趋势，比如在opencv中就已经慢慢包含了3D点云的处理的相关模块，在数据方面点云的获取也是有多种渠道， 无论是源于CAD模型还是来自LiDAR传感器或RGBD相机的扫描点云，无处不在。 另外，大多数系统直接获取3D点云而不是拍摄图像并进行处理。因此，在深度学*大火的年代，应该如何应用这些令人惊叹的深度学*工具，在3D点云上的处理上达到对二维图像那样起到很好的作用呢？

3D点云应用深度学*面临的挑战。首先在神经网络上面临的挑战：

（1）非结构化数据（无网格）：点云是分布在空间中的XYZ点。 没有结构化的网格来帮助CNN滤波器。

（2）不变性排列：点云本质上是一长串点（nx3矩阵，其中n是点数）。 在几何上，点的顺序不影响它在底层矩阵结构中的表示方式，例如，
相同的点云可以由两个完全不同的矩阵表示。 如下图所示：

（3）点云数量上的变化：在图像中，像素的数量是一个给定的常数，取决于相机。
然而，点云的数量可能会有很大的变化，这取决于各种传感器。

在点云数据方面的挑战：

（1）缺少数据：扫描的模型通常被遮挡，部分数据丢失。

（2）噪音：所有传感器都是嘈杂的。
有几种类型的噪声，包括点云扰动和异常值。 这意味着一个点有一定的概率位于它被采样的地方（扰动）附*的某一半径范围内，或者它可能出现在空间的任意位置（异常值）。

（3）旋转：一辆车向左转，同一辆车向右转，会有不同的点云代表同一辆车。

摘要

点云学**年来受到越来越多的关注，因为它在许多领域都有广泛的应用，比如计算机视觉、自动驾驶和机器人技术。作为人工智能的主要技术之一，深度学*已经成功地用于解决各种二维视觉问题。然而，由于使用深度神经网络处理点云所面临的独特挑战，对点云的深度学*仍处于起步阶段。最*，点云上的深度学*变得越来越流行，人们提出了许多方法来解决这一领域的不同问题。为了激发未来的研究，本文对点云深度学*方法的最新进展进行了综述。它涵盖了三个主要任务，包括三维形状分类，三维目标检测和跟踪以及三维点云分割。我们还提供了一些可公开获得的数据集的比较结果，以及有见地的观察和启发性的未来研究方向。

引 言

3D数据在不同的领域有许多应用，包括自动驾驶、机器人、遥感、医疗和设计行业[4]。*年来，深度学*技术在计算机视觉、语音识别、自然语言处理(NLP)、生物信息学等研究领域占据主导地位。但是，在三维点云上进行深度学*仍然面临数个重大挑战[5]，例如数据集规模小，维数高和三维点云的非结构化性质。在此基础上，本文重点分析了用于处理三维点云的深度学*方法。

一些公开的数据集也被发布，例如ModelNet [6]，ShapeNet
[7]，ScanNet [8]，Semantic3D [9]和KITTI Vision Benchmark Suite [10]。这些数据集进一步推动了对三维点云的深度学*研究，提出了越来越多的方法来解决与点云处理相关的各种问题，包括三维形状分类、三维目标检测与跟踪、三维点云分割等。

这篇论文是第一个专门针对点云的深度学*方法的综述。此外，论文全面涵盖了分类，检测，跟踪和分割等不同应用。图1显示了三维点云的现有深度学*方法的分类。

图1：三维点云深度学*方法分类。

这项工作的主要贡献可以概括如下：

·      
1）据我们所知，这是第一篇全面涵盖多个重要点云相关任务的深度学*方法的综述论文，包括三维形状分类、三维目标检测与跟踪、三维点云分割等。

·      
2）相对于已有的综述[11]，[12]，我们特别关注三维点云的深度学*方法，而不是所有类型的三维数据。

·      
3）本文介绍了点云深度学*的最新进展。因此，它为读者提供了最先进的方法。

·      
4）提供了现有方法在几个可公开获得的数据集上的全面比较（例如，表1、2、3、4），并提供了简要的总结和深入的讨论。

本文的结构如下。第2节回顾了三维形状分类的方法。第3节概述了现有的三维目标检测和跟踪方法。第4节介绍了点云分割的方法，包括语义分割、实例分割和部件分割。最后，第5节总结了论文。

论文还在以下网址上提供了定期更新的项目页面：

https://github.com/QingyongHu/SoTA-Point-Cloud

图2：三维形状分类网络的时间顺序概览。

图3：PointNet的体系结构。

图4：点的局部邻居的连续和离散卷积的图解。(a)代表一个局部邻居;(b)和(c)分别表示三维连续卷积和离散卷积。

图5：基于图的网络的图解。

表1：在ModelNet10/40基准上比较三维形状分类结果。这里，我们只关注基于点的网络，“#params”表示相应模型的参数数量。“OA”表示总体精度，“mAcc”表示表中的平均精度。符号“-”表示结果不可用。

图6：按时间顺序概述的最相关的基于深度学*的三维目标检测方法。

图7：三类三维目标检测方法的典型网络。从上到下:(a)基于多视图，(b)基于分割，(c)基于视锥的方法。

表2：在KITTI测试三维检测基准上的三维目标检测结果对比。

表3：在KITTI test BEV检测基准上三维目标检测结果对比。

图8：按时间顺序概述了一些最相关的基于深度学*的点云语义分割方法。

图9：基于投影方法的中间表示图。

图10：PointNet++[27]框架的示意图。

图11：有代表性的三维点云实例分割方法的年代概述。

未来方向

表4展示了现有方法在公共基准测试上的结果，包括S3DIS[176]、Semantic3D[9]、ScanNet[102]、SemanticKITTI[177]。需要进一步研究的问题有:

·      
基于点的网络是最常被研究的方法。然而，点表示自然不具有显式的邻*信息，现有的大多数基于点的方法不得不借助于昂贵的邻*搜索机制(如KNN[52]或ball query
[27])。这从本质上限制了这些方法的效率，因为邻居搜索机制既需要很高的计算成本，又需要不规则的内存访问[214]。

·      
从不平衡数据中学*仍然是点云分割中一个具有挑战性的问题。虽然有几种的方法取得了显著的综合成绩[42]、[170]、[182]，但它们在类标很少的情况下表现仍然有限。例如，RandLA-Net[95]在Semantic3D的reduced-8子集上获得了76.0%的整体IoU，而在hardscape类上获得了41.1%的非常低的IoU。

·      
大多数现有的方法[5]、[27]、[52]、[170]、[171]都适用于小点云(如1m*1m，共4096个点)。在实际中，深度传感器获取的点云通常是巨大的、大规模的。因此，有必要进一步研究大规模点云的有效分割问题。

·      
已有少数文献[145]、[146]、[167]开始研究动态点云的时空信息。预期时空信息可以帮助提高后续任务的性能，如三维目标识别、分割和完成。

表4：S3DIS(包括Area5和6-fold
cross validation)[176]、Semantic3D(包括semantic-8和reduced-8子集)[9]、ScanNet[8]和SemanticKITTI[177]数据集的语义分割结果对比。

结论

本文介绍了最先进的三维理解方法，包括三维形状分类，三维目标检测和跟踪，以及三维场景和目标分割。对这些方法进行了全面的分类和性能比较。介绍了各种方法的优缺点，并提出了今后的研究方向。