MemReg обгоняет парные методы и SLAM в регистрации лидарных облаков точек

Команда из лаборатории IRMVLab предложила MemReg — нейросеть для регистрации лидарных облаков точек, которая обрабатывает скан не как отдельную пару кадров, а как элемент непрерывной последовательности. В основе два гибридных буфера памяти и модуль взвешивания истории. Метод проверили на трёх уличных датасетах: KITTI, nuScenes и Apollo-Southbay. По данным авторов, он превосходит все парные методы и мультикадровые SLAM-системы. Препринт опубликован на arXiv, код обещают выложить на GitHub.

Проблема парной регистрации

Регистрация облаков точек — это определение относительного положения и ориентации двух сканов. На ней строятся одометрия, картографирование и локализация беспилотных автомобилей и роботов. Большинство нейросетевых решений для уличных сцен берут два кадра и выдают преобразование между ними. Всё, что было до этих кадров, они игнорируют.

Там, где данные хорошие, это работает. Но реальный лидар выдаёт разреженные измерения, которые к тому же зашумлены выбросами: проезжающие машины, пешеходы, отражения. Если соседние сканы перекрываются слабо, например при быстром повороте или движении по пустой трассе, парная модель остаётся без опоры. Авторы MemReg исходят из простого наблюдения: длинная временная последовательность содержит глобальный контекст. С её помощью можно достроить разреженные измерения, отфильтровать выбросы и справиться с малым перекрытием.

Как устроена память

Архитектура опирается на два буфера разного типа.

• Неявный буфер признаков хранит скрытые представления, связанные с позой, которые сеть извлекла из предыдущих кадров.
• Явный буфер поз хранит уже оценённые положения, то есть конкретную геометрическую информацию.

Оба буфера обновляются динамически по мере поступления новых сканов. Это ближе к потоковой обработке, чем к пакетной: модель не пересчитывает всю историю, а поддерживает компактное состояние.

Ещё один элемент — модуль динамического взвешивания истории. Он адаптивно решает, насколько сильно текущий кадр должен опираться на накопленные признаки. Задача нетривиальна: старая информация помогает при шуме и слабом перекрытии, но может навредить, если сцена резко изменилась или ошибка успела накопиться. Модуль управляет этим балансом без жёстких правил.

Что показали эксперименты

Авторы приводят такие результаты:

• на KITTI, nuScenes и Apollo-Southbay MemReg достигает уровня state-of-the-art;
• метод превосходит все предыдущие парные подходы;
• он обходит и мультикадровые SLAM-системы, которые тоже используют историю, но устроены иначе;
• на помещениях метод показывает конкурентные результаты на 3DMatch, 3DLoMatch и ScanNet, хотя проектировался для улицы.

Конкретных значений метрик в аннотации нет, поэтому оценить величину отрыва можно только после выхода полной версии статьи и кода. Это важная оговорка. Фраза «превосходит все» в препринте требует проверки на независимых воспроизведениях, особенно по времени работы и расходу памяти, о которых авторы в аннотации не пишут.

Практические выводы

Для команд, которые делают автономное вождение, складских роботов или картографические платформы, интересны две вещи. Во-первых, выигрыш даёт сама постановка задачи: переход от пар к потоку добавляет контекст без смены сенсора. Во-вторых, результат на помещениях намекает, что подход переносим между доменами, пусть и с оговорками.

Перед внедрением стоит дождаться релиза репозитория IRMVLab и проверить три параметра: задержку на целевом железе, размер буферов при длинных маршрутах и поведение при потере нескольких кадров подряд. Именно эти пункты отделяют удачную исследовательскую архитектуру от модуля, который можно поставить в реальный навигационный стек.