簡介

對于自動駕駛應用來說，3D 場景感知至關重要。3D點云數據就是具有3D特征的數據。一方面，3D 點云可以直接用來獲取障礙物的距離和大小，以及場景的語義信息。另一方面，3D 點云也可以與 2D 圖像進行融合，以充分利用兩者所提供的不同信息：圖像的優勢在于語義信息更加豐富，點云的優勢在于距離和深度感知精確。隨著深度學習架構的發展，出現了很多基于3D 點云感知模型，通過提取 3D 空間的點云特征，可以構建一種更精確、高維度、高分辨率的場景表示形式，助力下游預測與規控任務的發展。對于檢測模型，相比圖像感知模型，對于 3D 感知任務，基于3D 點云的感知模型通常擁有非常明顯的精度優勢。

同時，在自動駕駛系統中，可行駛區域分割是一項重要的任務。可行駛區域的提取是ADAS的關鍵技術，旨在使用傳感器感知技術感知駕駛車輛周圍的道路環境，識別并分割出當前駕駛場景下可行駛的區域，防止偏離車道或違規駕駛。

在部署過程中，相比圖像模型，3D 點云的輸入處理過程更復雜，量化難度高，導致難以部署。當前常見的對點云數據處理方式包括point-based、pillar-based、voxel-based等方式。考慮到部署的實時性需求，地平線選用了基于pillar-based的 Centerpoint，同時提出了基于3D點云的多任務模型，實現可行駛區域分割的感知功能。本文即對如何在地平線征程5芯片上高效部署基于3D點云的多任務模型進行介紹。

整體框架

本文介紹的多任務模型輸入為3D點云，通過感知模型可同時輸出 3D 目標檢測結果和 2D 可行駛區域的分割結果。多任務模型網絡結構可分為以下三個部分：

?點云前處理。該部分是對3D點云做基于pillar-based的處理，將點劃分到pillars中，形成偽圖像。包括以下三個部分：

a. Pillar 化：將輸入的原始點云轉換為 pillar 特征；

b. PFNLayer：提取 pillar 特征，特征通道數提升至 64；

c. Scatter：完成 pillar 特征到偽圖像化的轉換；

?特征提取和融合: 該層選用 MixVarGENet+UNET 結構，提取多層特征并加以融合，獲得高層語義特征；

?多任務輸出頭: 輸出多類別的 3D 目標檢測和二分類的可行駛區域分割結果。

部署優化

在部署優化之前，首先明確針對Centerpoint多任務模型的各部分的結構做性能和量化精度上分析，然后進一步給出優化方向和優化思路。

量化精度優化

在前面有提到，點云數據具有不均勻的特征，這種分布特點的數據使用PTQ量化方式很大可能會有量化精度問題，因此在 Centerpoint 多任務模型的量化過程中，我們使用 Calibration+QAT 的量化方式來保證點云模型的量化精度。需要提到的是地平線的calibration對于大部分模型就可以達到預期的量化精度，少量模型在較小的QAT訓練代價下可以達到量化精度。由于 Centerpoint 多任務模型中所有算子的量化在征程5上是完全支持的，得到初版的量化精度是非常簡單的。

QAT量化方式是根據數據的分布選取量化系數，將fp32的數據截斷到int8范圍，由于點云數據分布不均勻，其表現在部分數據（點云坐標）的數值范圍較大，部分（點到中心的距離）數值范圍較小，這種情況對量化是很不友好的，因此在量化訓練中，會導致精度掉點；為了使數據分布處于均勻范圍內，一般都會做歸一化處理（歸一化對浮點的精度也是有利的），因此，為了提升量化精度，我們增加了對點云特征的歸一化處理。

Python
def _voxel_feature_encoder(self, features, norm_dims, norm_range，feature,num_points_in_voxel):
    # normolize features
    for idx, dim in enumerate(norm_dims):
        start = norm_range[idx]
        norm = norm_range[idx + len(norm_range) // 2] - norm_range[idx]
        features[:, :, dim] = features[:, :, dim] - start
        features[:, :, dim] = features[:, :, dim] / norm
    ...


    return features

在nuscenes數據集上的驗證，經歸一化處理后，量化精度損失在 1% 以內。

性能優化

點云前處理優化

前處理包括Voxelization操作和特征的擴維操作-VoxelAugment。我們將分析公版的實現在征程5上部署的困難點，然后基于困難點介紹優化方式以及地平線對點云前處理的部署優化。

Voxelization部署分析

假設用 (x, y, z, r, t) 表示點云數據中的一個點，其中(x, y, z) 坐標，r 為點云的反射強度，t為時間戳。

Centerpoint中的Pillar化（一種特殊的 Voxelization 操作，是把 z 軸看作一個整體，把三維空間離散化為 x-y 平面中均勻間隔的網格），在 Voxelization 過程中，需要依次、逐個對密集點云中的每個點進行判斷，并將其劃分入對應的 voxel 中，且每個 voxel 都需要存儲點云中對應區域的信息。隨著點云密度的增加，處理的體素數量也相應增多，導致需要更多的計算和內存資源，其計算復雜度可能導致較長的部署時間。

VoxelAugment部署分析

繼voxelization 中把每個點云 point 劃分到各個 pillar 中之后，公版 Centerpoint中對點云 point 做了特征增強，即前文提到的把基于 nuscenes 數據集的5 維點云 point 數據(x, y, z, r, t)根據點到中心的距離擴充到了 11 維(x, y, z, r, t,xc, yc, zc,xp, yp, zp,)。然而，這樣的處理方式，無論是對量化精度還是部署性能方面，都存在一些不足：

?量化精度方面：前文已提到，這里不再贅述；

?部署性能方面: 在從 5 維擴充到 11 維時，對中心點距離的求解，增加了計算量和相應的耗時。而在我們的實驗中發現，增加的后 6 維數據，實際對模型的浮點精度影響很小。

針對以上兩個問題，下面介紹地平線的優化方法。

VoxelAugment優化

根據實驗，原11維的方案會導致耗時增加，精度收益不大，因此在我們的改進方法中，點云 point 僅使用前5維(x, y, z, r, t)，見板端c++代碼：

Python
void QATCenterpointPreProcessMethod::GenFeatureDim5(float scale) {
  for (int i = 0; i < voxel_num_; i++) {
    int idx = i * config_->kmax_num_point_pillar * config_->kdim;
    for (int j = 0; j < config_->kmax_num_point_pillar; ++j) {
      if (config_->pillar_point_num[i] >
          config_->kmax_num_point_pillar_vec[j]) {
        int index = idx + j * config_->kdim;
        voxel_data_[index + 0] =
            (voxel_data_[index + 0] - config_->kback_border) /
            config_->kx_range / scale;
        voxel_data_[index + 1] =
            (voxel_data_[index + 1] - config_->kright_border) /
            config_->ky_range / scale;
        voxel_data_[index + 2] =
            (voxel_data_[index + 2] - config_->kbottom_border) /
            config_->kz_range / scale;
        voxel_data_[index + 3] = (voxel_data_[index + 3] - config_->kr_lower) /
                                 config_->kr_range / scale;
        if (voxel_data_[index + 4] != 0) {
          voxel_data_[index + 4] = voxel_data_[index + 4] / scale;
        }
      }
    }
  }
}

在優化后，該部分耗時減少了 4ms，精度上影響較小。

除了以上的優化外，考慮硬件對齊特性，對特征的layout也做了優化，以便模型可以高效率運行。征程5計算運算的時候有最小的對齊單位，若不滿足規則時會對Tensor自動進行padding，造成無效的算力浪費。例如conv的對齊大規則為2H16W8C/2H32W4C。基于硬件特征，采用H W維度轉換的方式，將大數據放到W維度以減少算力的浪費，因此在生成pillars特征對其做歸一化后使用permute將1x5x40000x20轉換為1x5x20x40000。

Python
features = features.unsqueeze(0).permute(0, 3, 2, 1).contiguous()

Voxelization優化

對于點云的voxelization耗時問題，地平線提供了ARM和DSP部署方式。可以在OE包的AIBenchmerk中查看其具體實現。

DSP具有強大的并行計算能力，能夠同時處理多個數據，且具有快速讀寫內存的特點，利用 DSP 可以有效加速 Voxelization 過程，提高實時性能。例如，在 nuscenes數據集（點云數據量為30萬），經 DSP 優化后，前處理耗時由77ms 降低至20ms，性能提升3.8倍。具體數據可見實驗結果章節。

優化后，點云處理部分流程圖如下所示：

特征提取與融合PFNLayer

Centerpoint 的PFNLayer作用是將每個包含D維特征的點（由前文可知，公版Centerpoint中 D=11，地平線參考模型中D=5）用一個Linear+BatchNorm1d+ ReLU+max 的組合來進行特征提取，生成(C，P，N) 的張量。

而地平線征程5最早針對的是以CNN為基礎的圖像處理，在編譯器內部4d-Tensor是最高效的支持方式。如果不是4d-Tensor的話，編譯器內部會主動轉成4d（某些維度為1）來做，會多了很多無效的計算。我們可以使用常規的4維算子替換原來任意維度的設置，避免不必要的冗余計算。常見的替換方式如下，中間配合任意維度的reshape，permute來完成等價替換。因此，我們將公版中的 Linear + BatchNorm1d + ReLU + max 分別做了如下替換：

偽圖像化

PillarScatter 是實現偽圖像轉換的最后一個步驟，該部分將(1, 1, P, C) 的特征映射獲得形如（C, H, W） 的偽圖像。為了便于量化訓練和上板推理優化，我們在 horizon_plugin_pytorch 和編譯器中均實現了point_pillars_scatter 算子。該算子由編譯器內部完成，用戶不需要感知。

horizon_plugin_pytorch 中 point_pillars_scatter 算子的調用方式為：

Python
from horizon_plugin_pytorch.nn.functional import point_pillars_scatter


pseudo_image_feature = point_pillars_scatter(voxel_features, coords, out_shape)

backbone+neck

關于特征提取與融合部分，由于點云處理部分生成的偽圖像特征輸出通道數較大，原 Centerpoint 模型中的 SECOND 結構部署速度不夠快，本文選用 MixVarGENet+UNET 結構，作為模型的 backbone 與 neck。

MixVarGENet 為地平線基于征程5硬件特性自研的backbone結構，特點是性能表現優異，可以達到雙核5845FPS。該結構的基本單元為MixVarGEBlock。如下為MixVarGEBlock的結構圖：

MixVarGENet高度秉承了“軟硬結合”的設計理念，針對征程5的算力特性做了一些定制化設計，其設計思路可以總結為：

1. 小channel時使用normal conv，發揮征程5算力優勢；

2. 大channel時引入group conv，緩解帶寬壓力；

3. Block內部擴大channel，提升網絡算法性能；

4. 縮短feature復用時間間隔，減少SRAM到DDR訪存。

充分考慮征程5的帶寬和硬件屬性，小neck+大backbone的組合比較經濟，且可以提高BPU的利用率，能達到平衡精度與速度的最佳組合！

多任務輸出頭

Centerpoint多任務模型的輸出頭分為兩部分，對于 3D 目標檢測，選用 Centerpoint 模型的預測頭，2D 可行駛區域的分割結果則選用了 FCN 結構做為輸出頭。

多任務模型的分割頭為 FCNHead，其中部分卷積模塊替換為深度可分離卷積，有利于部署性能的進一步提升。同理，多任務模型的檢測頭 CenterpointHead 也將部分卷積模塊替換為深度可分離卷積。替換后，模型部署性能得到了進一步的提升，同時浮點精度不受影響。

由于公版 Centerpoint 模型的二階段在 nuscenes 數據集上并無精度提升，因此這里只選用了一階段的輸出頭。

實驗結果

1. Centerpoint 多任務模型在征程5性能數據

注

1：維度為(x,y,z,r,t)，即：3維坐標、強度和時間

2：檢測任務：["car","truck","construction_vehicle","bus","trailer","barrier","motorcycle","bicycle","pedestrian","traffic_cone"]

分割任務：["others", "driveable_surface"]

2. 基于3D點云的多任務模型高效部署通用建議

?對輸入數據做歸一化，更有利于量化。

?如在部署中使用PTQ無法解決量化精度問題，考慮使用QAT做量化部署。

?對于點云數據，pillars_num較大，將大數據放到W維度提升計算效率。

?建議選擇小neck+大backbone的組合，減小帶寬壓力，達到性能提升。

?使用地平線提供的點云前處理，若前處理存在性能瓶頸，嘗試DSP方案。

總結

本文通過對基于3D點云的多任務模型在地平線征程5上量化部署的優化，使得模型以低于1%的量化精度損失，得到 latency 為 23.79ms 的部署性能。在點云處理方面，通過針對性的優化方法，靈活支持了不同點云輸入并大幅提高點云處理的速度；在特征提取方面，選用了征程5高效結構 MixVarGENet+UNET；在輸出設置上，采用多任務輸出設計，能夠同時得到 3D 目標檢測結果和可行駛區域的分割結果。

審核編輯：劉清