3D Point Cloud Registration for Localization using a Deep Neural Network Auto-Encoder阅读笔记

　　这是一篇采用机器学习的点云配准的论文，简单来说就是通过将点云用一个个球体分成很多个小快，对每一块投影成深度图，然后采用深度神经网络对深度图进行特征压缩，最后压缩成一个5$\times$2的矩阵做为一个特征，也就是我们所说的描述子（descriptor）。通过这些描述子的位置关系可以进行粗配准，最后文章也还是采用了ICP进行精配准。原文链接：3D Point Cloud Registration for Localization Using a Deep Neural Network Auto-Encoder。

---

LORAX(LOcalization by Registration using a deep Auto-encoder reduced Cover Set)

　　文中提出了一个超点（Super-Points，SP）的概念，其实就是由部分点云构成的一个大的集合，构成方法会在下文中提出。文中首先定义了一个全局场景是有大型的户外场景融合构成，然后定义了本地场景是在全局场景的一个随机位置随机角度采集的。文章的总体思路为以下几步：
　　

1. Random Sphere Cover Set (RSCS)

　　使用超点来定义整个处理流程的基本单元。为了能够覆盖点云的绝大部分，文中采用了以下的迭代步骤来定义这些超点：
　　

• 随机选择一个不属于任何$SP$的点$P$
• 使用点$P$做为中心，以$R_{sphere}$为半径，所有位于这么一个圆内的点都被定义为这个新的$SP$所包含的点

$R_{sphere}$的计算公式如下：

$$R_{sphere} \approx \left( \dfrac{3}{4 \cdot \pi} \cdot \dfrac{0.64}{2m} \cdot V_{loval} \right)^{\dfrac{1}{3}}$$

　　其中，$0.64$的意思时在这种随机的球面分块中，不重复的球面将占到整个物体的$64\%$，$V_{loval}$为包含这个待处理点云的球面的体积。$m$是指最后阶段用于匹配的特征的个数，由于后面会有算法剔除掉一些特征，所以这里取$2m$以保证最后可以用来选择的特征的个数。

2. Selection of a Normalized Local Coordinate System for each Super-point

　　这一步是为每个$SP$建立一个归一化的本地坐标系，目的是为了下一步压缩成深度图做准备。坐标的原点即为$SP$的质心（centriod），三个轴的方向是通过对这个$SP$的协方差矩阵（covariance matrix）进行SVD（Singular Value Decomposition）分解得到。Z轴被设定为第三个特征向量。通过把SP分为离散的弧度片并统计为极线直方图（polar ），x轴为值最高的方向。

3. Depth Map Projection

　　在每个点被转化为本地坐标系后就可以直接经行比较，但是由于点的密度的不同以及随机噪声，比较的结果会十分不可靠。因此需要对其经行降维处理。所有的点的$x,y$轴被投影在一个$d_{im1} \times d_{im1}$的图片网格上，而他们的高度则通过求平均映射成深度图。最后把这个图片剪裁成$d_{im2} \times d_{im2}$（文中取$d_{im1} = 64$，$d_{im2}=32$）以消去SP的圆形边界，如下图中红色虚线框所示：
　　

4. Saliency Detection and Filtration

　　为了提高配准的速度和质量，文中通过密度（density），几何性质（geometric properties），显著性水平（saliency levels）这三个方面来减少不相关的SPs。
　　

• Density Test：如果一个SP包含的点少于$N_d$将会被删去，如果他与他的K近邻个SP的包含的点明显要少的话也会被删去
• Geometric Quality Test：所有的SP的Z轴都会被记录下来，那些Z轴值较低的SP，也就是说比较平的平面，会被删去
• Saliency Test：将全局点云的SP的深度图转换为$d_{im2}^2$长的列向量，并对其进行PCA分析，并利用前三个特征向量对其进行重建，拥有相同的几何信息的SP将会被删去。这样避免了分布在不同区域但是有着类似的SP的匹配的可能性

5. Deep Auto-Encoder Dimension Reduction

　　为了压缩特征，才用了一个拥有4个全连接的隐藏层，每一层和输入的dropout之间采用sigmoid非线性激励函数。其网络结构如下：
　　

　　
　　更多的神经网络部分可以参考原文，最终每个SP被压缩成如下图中间层Compact Representation所示的$5 \times 2$的这么一个矩阵，称为SAF（The SP auto-encoder based Feature）将被用于配准。
　　

6. Selecting Candidates for Matching

　　通过检测SAF之间的欧式距离，来自本地的每个SP都与来自全局的K领域个SP建立配对关系，若从$i+1$开始距离显著增大，则$i+1$到$K$的候选都将被删去。

7. Coarse Registration by Localized Search

　　为了解决6自由度的问题我们至少需要3个匹配对，文中为了提高鲁棒性使得$m=3$。采用了RANSAC最终得到5个最佳的变换矩阵。

8. Iterative Closest Point Fine-tuning

　　最后分别采用这5个矩阵使用ICP，选取最后结果最好的那个做为LORAX的输出。