CVPR 2019——PointConv: Deep Convolutional Networks on 3D Point Clouds

论文：https://arxiv.org/pdf/1811.07246.pdf
源码：https://github.com/DylanWusee/pointconv

Abstract

• 将动态滤波器扩展到一个新的卷积运算，PointConv。
• PointConv可以应用于点云以构建深度卷积网络。将卷积核视为由权重和密度函数组成的3D点局部坐标的非线性函数。
• 提出了一个公式，可以有效地计算权重函数，从而能够大幅扩展网络并显着改善其性能。
• 学习的卷积核可用于计算3D空间中任何点集上的平移不变和置换不变卷积。
• PointConv可用作反卷积运算符，以将特征从子采样点云传播回其原始分辨率。
• 在ModelNet40，ShapeNet和ScanNet上进行的实验表明，基于PointConv构建的深度卷积神经网络能够在3D点云上具有挑战性的语义分割基准上达到最新水平。
• 将CIFAR-10转换为点云，在PointConv上构建的网络的性能可以与2D卷积网络相当。

（一）Introduction

直接获取3D数据的传感器：

• 室内传感器（例如激光扫描仪）
• 飞行时间传感器（例如Kinect，RealSense或Google Tango）
• 结构光传感器（例如iPhoneX上的传感器）
• 室外传感器（例如LIDAR和MEMS传感器）

优点：

• 深度信息可以消除2D图像中的许多分割模糊性，并且表面法线提供了场景几何的重要线索。

idea来源：

• 2D图像中，卷积神经网络（CNN）从根本上改变了计算机视觉的格局。
• CNN通过利用平移不变性获得成功，因此可以将同一组卷积滤波器应用于图像中的所有位置，从而减少参数数量并提高泛化能力。
• 希望将这种成功转移到3D数据分析中。

遇到困难：

• 3D数据通常以点云的形式出现，这是一组无序的3D点，每个点上有或没有附加功能（例如RGB）。
• 点云是无序的，并且不符合2D图像中的规则晶格网格。
• 在这种无序输入上很难应用常规的CNN。

现有解决办法：

• 将3D空间视为体积网格，

现有解决办法的不足：

• 在高分辨率体积上，体积将稀疏而CNN则难以计算。

本文提出的初始思路：

• PointConv：使用inverse density scale 来对MLP学习的连续函数进行加权，该函数对应于连续卷积的Monte Carlo approximation。
• PointConv将点云的位置作为输入并学习MLP以近似权重函数，并对学习的权重应用反密度标度以补偿非均匀采样。

初始思路不足：

• 当输出功能的通道大小非常大时，简单实现的PointConv会导致内存效率低下，因此很难训练并扩展到大型网络。

初始思路改进：

• 为减少PointConv的内存消耗，通过使用更改求和顺序的重新构造来提高存储效率。
• 这种新结构能够在3D点云上构建多层深度卷积网络，该网络具有与栅格图像上2D CNN相似的功能。
• 可以实现与2D卷积网络中相同的平移不变性，以及点云中点的排列顺序的不变性。

发现：

• 大多数最先进的算法pointnet，pointnet++无法执行反卷积，这限制了它们在分割任务上的性能。
• PointConv是卷积的完全近似，因此可以很自然地将PointConv扩展到PointDeconv，它可以完全利用粗层信息并传播到较细的层。
• 通过使用PointConv和PointDeconv，可以提高语义分割任务的性能。

论文贡献：

• 提出了PointConv，这是一种密度重新加权的卷积，能够完全近似任何一组3D点上的3D连续卷积。
• 设计了一种内存有效的方法，以更改求和顺序技术来实现PointConv，最重要的是，可以扩展到当前CNN级别。
• 将PointConv扩展到反卷积版本（PointDeconv），获得更好的分割结果。

证明： PointConv是真正的卷积运算。

• 将2D图像中的所有像素转换为具有2D坐标以及每个点具有RGB特征的点云来评估CIFAR-10上的PointConv。
• 在CIFAR-10上的实验表明，PointConv的分类准确度可与类似结构的图像CNN相比，远胜过以前通过点云网络获得的最佳结果。

（二）Related Work

看论文吧~~

（三）PointConv

3.1. Convolution on 3D Point Clouds

对于$d$维向量$x$的函数$f(x)$和$g(x)$，定义卷积如下：
$$(f\ast g)(x)={\iint }_{\tau \in R^d}^{}f(\tau )g(x+\tau )d\tau ----------(1)$$

2D基础:

• 图像可以解释为2D离散函数，通常表示为网格状矩阵。
• 在CNN中，每个滤波器都限于一个小的局部区域，例如3×3,5×5等。
• 在每个局部区域内，不同像素之间的相对位置始终是固定的，如图1(a)所示。
• 而且，对于局部区域内的每个位置，可以轻松地将滤波器离散化为具有实值权重的总和。

3D延伸:

• 点云表示为一组3D点 { p i ∣ i = 1 , . . . , n } \left \{p_{i}|i=1,...,n\right \} { pi​∣i=1,...,n}，其中每个点都包含位置向量$（x，y，z）$及其特征（例如颜色，表面法线等） 。
• 点云中某个点的坐标$p=(x,y,z)\in R^3$不在固定网格上，而是可以取任意连续值。
• 每个局部区域中不同点的相对位置是不同的。常规的栅格图像中离散卷积滤波器不能直接应用于点云。

图释：

• 图1显示了局部区域中图像与点云之间的差异。
• （a）显示图像中的5×5局部区域，其中点之间的距离只能获得很少的离散值。
• （b）和（c）表明，在点云内的不同局部区域中，顺序和相对位置可能会非常不同。

PointConv理论基础来源：

3D卷积的连续版本：
$$Conv{\left(W,F\right)}_{xyz}={\iiint }_{\left(\delta x,\delta y,\delta z\right)}^{}W\left(\delta x,\delta y,\delta z\right)F\left(x+\delta x,y+\delta y,z+\delta z\right)d\delta z\delta y\delta x-----(2)$$

• $F\left(x+\delta x,y+\delta y,z+\delta z\right)$是局部区域$G$中以点$p=(x,y,z)$为中心的点的特征。
• 点云可以看作是来自连续$R^3$空间的非均匀样本。
• 在每个局部区域中，$(\delta x,\delta y,\delta z)$可以是局部区域中的任何可能位置。

PointConv定义：
$$PointConv{\left(S,W,F\right)}_{xyz}={\iiint }_{\left(\delta x,\delta y,\delta z\right)}^{}S\left(\delta x,\delta y,\delta z\right)W\left(\delta x,\delta y,\delta z\right)F\left(x+\delta x,y+\delta y,z+\delta z\right)$$

其中$S\left(\delta x,\delta y,\delta z\right)$是点$(\delta x,\delta y,\delta z)$的反密度。$S$