文章解读 – FlowNet3D：Learning Scene Flow in 3D Point Clouds
参考：
1. FlowNet3D: Learning Scene Flow in 3D Point Clouds学习笔记（CVPR2019）
2. FlowNet3D论文阅读
3. FlowNet3D论文学习笔记
4. “FlowNet3D”
一. 摘要
机器人和人机交互技术中的许多应用都受益于动态环境中 3D 运动的理解，广泛称为场景流。虽然大多数以前的方法都专注于立体视觉和 RGB-D 图像，将这些作为输入，但很少有人尝试直接从点云估计场景流。在这项工作中，我们提出了一种名为 FlowNet3D 的新型深度神经网络，它以端到端的方式从点云中学习场景流。我们的网络同时学习点云的深层层次特征和表示点云运动的流嵌入（flow embedding），由两个新提出的针对点云的学习层支持。我们根据来自 FlyingThings3D 的具有挑战性的合成数据和来自 KITTI 的真实激光雷达扫描来评估网络。我们仅在合成数据上进行训练，便成功地推广到真实激光雷达数据，优于各种基线算法，并显示出与现有技术相媲美的结果。我们还展示了场景流输出的两个应用（点云配准和运动分割），以展示其潜在的广泛应用。
二. 介绍
我们提出了一个名叫FlowNet3D的新颖网络，能够端到端的针对一对连续帧点云进行场景流估计。
我们在点云上引入了两个新的学习层：
- 流向量映射层（flow embedding）：学习关联两帧点云，给出flow embedding特征
- set up conv层：将特征向量从一组点扩展到另一组点（用于升采样获得整个点云场景流数据）
我们展示了如何使用提出的 FlowNet3D， 使用大规模合成数据集(FlyingThings3D)进行训练，并将其应用在KITTI 的真实点云数据集上。与传统方法相比，在 3D 场景流估计方面取得了很大的改进。
三. 问题描述
动态采样的两组3D点云场景，在两个连续的时间帧：P = {xi|i =1, . . . , n1} (点云 1) 和 Q = {yj|j = 1, . . . , n2}(点云 2)，其中 xi, yj ∈ R3 是 点云XYZ 坐标。 注意由于物体运动和视角变化，两个点云不一定有相同数量的点或它们的点之间有任何对应关系。
现在考虑一个采样后的真实点坐标xi 在第二帧移动到位置 x′ i ，则该点的平移运动矢量为 di = x′ i - xi。 我们的目标是，给定点云 P 和 Q，恢复第一帧中的每一个采样点的场景流：D = {di|i = 1, . . . , n1}。
四. 网络结构
在本节中，我们将介绍 FlowNet3D，这是一种基于点云的端到端场景流估计网络。 该模型具有三个关键模块，分别用来 ：
- (1) 点云特征学习
- (2) 点云信息混合
- (3) 点云流上采样
这些模块包含三个关键的深度点云处理层：设置conv层、flow embedding层和设置upconv层。
4.1 层次点云特征学习
set abstraction = sampling + grouping + pointnet
由于点云是一组不规则且无序的点的集合，传统的卷积不适合。 因此我们遵循最近提出的 PointNet++ 架构，它是一个具有平移不变性的分层学习特征的网络。 虽然设置conv 层 进行 3D 的分类和分割，我们发现它的特征学习层对于场景流任务也很有优势。
该层首先对输入点云进行最远距离采样，得到 n’ 个区域（区域中心为 x′ j），然后对每个区域分组（由半径r指定的邻域)，最后使用对称函数提取其局部特征。
4.2 点云信息混合
点云，你没法知道前一帧的采样点到了下一帧是哪一个点，甚至由于采集的稀疏性和遮挡等问题，可能下一帧都没有相同语义的点，所以很难去找到真正对应的点。于是作者提出使用软策略，也就是找一些相似的点，采用投票方法给出场景流估计。
4.3 点云流上采样
引入set upconv layer对结果进行上采样，将部分点的运动信息转化到整个点云上。
本层将 flow embedding 层中的点上采样回原来输入网络的个数，每个输出代表该点的场景流。