Hi-LOAM: Hierarchical Implicit Neural Fields for LiDAR Odometry and Mapping

1. Problema e Motivação

O Odometria e Mapeamento com LiDAR (LOAM) é fundamental para aplicações de IA incorporada, como veículos autônomos e robótica. No entanto, os métodos existentes apresentam limitações significativas:

• Métodos Tradicionais (ICP): Dependem de correspondência ponto-a-ponto ou ponto-a-plano, falhando em cenários com nuvens de pontos esparsas, não uniformes ou em casos extremos (cantos, superfícies sem textura).
• Métodos Baseados em Aprendizado Supervisionado: Requerem poses de "ground truth" (verdade absoluta) para treinamento, o que é difícil de obter em cenários do mundo real, limitando sua generalização.
• Métodos Implícitos Atuais: Muitas abordagens de representação implícita (como NeRF-LOAM ou PIN-SLAM) focam em ambientes internos ou utilizam características de escala única, o que pode ser insuficiente para capturar nuances de grandes ambientes complexos, resultando em estimativas de pose imprecisas ou reconstruções com falhas.

O objetivo do Hi-LOAM é superar essas limitações propondo um framework auto-supervisionado que ofereça alta fidelidade de reconstrução e precisão na localização em grandes escalas, sem depender de dados rotulados.

2. Metodologia

O Hi-LOAM é um framework incremental de LOAM que utiliza Campos Implícitos Neurais Hierárquicos. O sistema opera em três etapas principais:

A. Representação de Mapa Implícita (Mapeamento)

• Estrutura Octree: O mapa é representado por um volume de características hierárquico baseado em uma estrutura de octree. Isso permite adaptar-se a diferentes níveis de detalhe (LOD - Levels of Detail).
• Características Latentes Hierárquicas: Em vez de usar uma única escala de características, o Hi-LOAM armazena características latentes em múltiplos níveis de tabelas de hash associadas aos nós do octree.
• Decodificação: As características latentes multi-escala são concatenadas e decodificadas por uma Rede Neural de Multilayer Perceptron (MLP) rasa para prever o valor de Distância Sinalizada (SDF) de qualquer ponto no espaço 3D.
• Visualização: Para visualizar o mapa implícito, o algoritmo Marching Cubes é utilizado para extrair superfícies iso e gerar malhas triangulares (meshes).

B. Odometria Neural Implícita (Localização)

• Paradigma Scan-to-Implícito: A estimativa de pose não utiliza correspondências explícitas entre pontos (como no ICP). Em vez disso, utiliza um paradigma de correspondência "scan-to-implicit".
• Otimização: O sistema busca a pose ótima ($T^*_{WC}$) que minimiza o erro quadrático médio entre os pontos da varredura atual e o campo de distância sinalizada neural (nSDF) do submapa.
• Submapas: Para evitar interferências de características globais e ruídos de correspondência em grandes mapas, a localização é feita contra um submapa local ($M_s$), que é periodicamente fundido no mapa global ($M$).
• Auto-supervisão: O treinamento ocorre sem poses de verdade absoluta. A supervisão é feita utilizando a distância dos pontos amostrados ao longo dos raios do LiDAR até o ponto final do raio (considerado como SDF ground truth).

C. Treinamento e Otimização

• Perda de Treinamento: A função de perda combina:
  1. Cross-entropy binária para a precisão do SDF.
  2. Regularização Eikonal para garantir que o gradiente do SDF tenha magnitude unitária.
  3. Termo de direção para alinhar o gradiente do SDF com a normal da superfície.
• Algoritmo de Otimização: Para a estimativa de pose, utiliza-se o algoritmo Levenberg-Marquardt (LM). Para a atualização do mapa, utiliza-se o otimizador Adam.
• Estratégia de Replay: Para evitar o "esquecimento catastrófico" no aprendizado incremental, uma estratégia de replay mantém um pool de dados de varreduras anteriores durante o treinamento.

3. Contribuições Principais

1. Novo Framework Hi-LOAM: Propõe um sistema de localização e mapeamento para dados LiDAR puro baseado em representação implícita neural hierárquica.
2. Codificação de Características Hierárquicas: O uso de características latentes multi-escala baseadas em octree supera métodos de escala única, melhorando a qualidade do mapeamento e a precisão da localização.
3. Aprendizado Auto-supervisionado: Elimina a necessidade de pré-treinamento com poses de ground truth, demonstrando alta generalização em diversos ambientes (interiores, exteriores, dinâmicos).
4. Desempenho Superior: O código-fonte é público e o método supera ou iguala os métodos mais avançados (SOTA) em métricas de precisão e qualidade de reconstrução.

4. Resultados Experimentais

Os experimentos foram realizados em mais de sete conjuntos de dados reais e sintéticos (KITTI, SemanticPOSS, Newer College, Hilti-21/23, MulRAN, Mai City).

• Precisão de Odometria (KITTI):
  • O Hi-LOAM alcançou o menor erro de deriva translacional relativa média (0.48%) entre todos os métodos testados, superando tanto métodos baseados em ICP (como KISS-ICP, 0.50%) quanto métodos de aprendizado supervisionado.
  • Em termos de Erro de Trajetória Absoluta (ATE RMSE), obteve 2.1m de média, superando o PIN-SLAM (3.2m) e o NeRF-LOAM (1.69m em algumas sequências, mas com média pior).
• Qualidade de Mapeamento:
  • Em datasets sintéticos e reais (Mai City, Newer College), o Hi-LOAM obteve os melhores resultados em todas as métricas de reconstrução 3D (Precisão, Completude, Chamfer-L1 e F-score), superando NeRF-LOAM e PIN-SLAM.
  • As visualizações mostram malhas mais completas e com menos artefatos em comparação com métodos concorrentes.
• Robustez em Cenários Dinâmicos e Repetitivos:
  • O método demonstrou robustez em ambientes com muitos objetos dinâmicos (SemanticPOSS) e em locais com paredes repetitivas (Hilti-23), onde outros métodos falharam ou tiveram desempenho inferior.
• Eficiência Computacional:
  • Embora o tempo de processamento por quadro (0.6s) seja maior que o do PIN-SLAM (0.034s) devido à complexidade das características hierárquicas, ele é significativamente mais rápido que o NeRF-LOAM (4.53s) e oferece maior precisão.
  • O consumo de memória é ligeiramente superior ao do PIN-SLAM (devido às características multi-escala), mas muito inferior ao de mapas de nuvem de pontos brutos.

5. Significância

O Hi-LOAM representa um avanço significativo no campo de SLAM (Simultaneous Localization and Mapping) baseado em LiDAR. Ao integrar representações implícitas neurais com estruturas hierárquicas de octree e otimização auto-supervisionada, o trabalho resolve o dilema entre precisão de reconstrução e generalização em ambientes não vistos.

Sua capacidade de operar sem dados de treinamento rotulados e de lidar com grandes escalas e complexidade geométrica o torna uma solução promissora para aplicações de IA incorporada no mundo real, como navegação robótica em ambientes urbanos complexos e construção de mapas de alta fidelidade para veículos autônomos.