簡(jiǎn)介

對(duì)于自動(dòng)駕駛應(yīng)用來說，3D 場(chǎng)景感知至關(guān)重要。3D點(diǎn)云數(shù)據(jù)就是具有3D特征的數(shù)據(jù)。一方面，3D 點(diǎn)云可以直接用來獲取障礙物的距離和大小，以及場(chǎng)景的語義信息。另一方面，3D 點(diǎn)云也可以與 2D 圖像進(jìn)行融合，以充分利用兩者所提供的不同信息：圖像的優(yōu)勢(shì)在于語義信息更加豐富，點(diǎn)云的優(yōu)勢(shì)在于距離和深度感知精確。隨著深度學(xué)習(xí)架構(gòu)的發(fā)展，出現(xiàn)了很多基于3D 點(diǎn)云感知模型，通過提取 3D 空間的點(diǎn)云特征，可以構(gòu)建一種更精確、高維度、高分辨率的場(chǎng)景表示形式，助力下游預(yù)測(cè)與規(guī)控任務(wù)的發(fā)展。對(duì)于檢測(cè)模型，相比圖像感知模型，對(duì)于 3D 感知任務(wù)，基于3D 點(diǎn)云的感知模型通常擁有非常明顯的精度優(yōu)勢(shì)。

同時(shí)，在自動(dòng)駕駛系統(tǒng)中，可行駛區(qū)域分割是一項(xiàng)重要的任務(wù)?？尚旭倕^(qū)域的提取是ADAS的關(guān)鍵技術(shù)，旨在使用傳感器感知技術(shù)感知駕駛車輛周圍的道路環(huán)境，識(shí)別并分割出當(dāng)前駕駛場(chǎng)景下可行駛的區(qū)域，防止偏離車道或違規(guī)駕駛。

在部署過程中，相比圖像模型，3D 點(diǎn)云的輸入處理過程更復(fù)雜，量化難度高，導(dǎo)致難以部署。當(dāng)前常見的對(duì)點(diǎn)云數(shù)據(jù)處理方式包括point-based、pillar-based、voxel-based等方式。考慮到部署的實(shí)時(shí)性需求，地平線選用了基于pillar-based的 Centerpoint，同時(shí)提出了基于3D點(diǎn)云的多任務(wù)模型，實(shí)現(xiàn)可行駛區(qū)域分割的感知功能。本文即對(duì)如何在地平線征程5芯片上高效部署基于3D點(diǎn)云的多任務(wù)模型進(jìn)行介紹。

整體框架

本文介紹的多任務(wù)模型輸入為3D點(diǎn)云，通過感知模型可同時(shí)輸出 3D 目標(biāo)檢測(cè)結(jié)果和 2D 可行駛區(qū)域的分割結(jié)果。多任務(wù)模型網(wǎng)絡(luò)結(jié)構(gòu)可分為以下三個(gè)部分：

?點(diǎn)云前處理。該部分是對(duì)3D點(diǎn)云做基于pillar-based的處理，將點(diǎn)劃分到pillars中，形成偽圖像。包括以下三個(gè)部分：

a. Pillar 化：將輸入的原始點(diǎn)云轉(zhuǎn)換為 pillar 特征；

b. PFNLayer：提取 pillar 特征，特征通道數(shù)提升至 64；

c. Scatter：完成 pillar 特征到偽圖像化的轉(zhuǎn)換；

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

?多任務(wù)輸出頭: 輸出多類別的 3D 目標(biāo)檢測(cè)和二分類的可行駛區(qū)域分割結(jié)果。

部署優(yōu)化

在部署優(yōu)化之前，首先明確針對(duì)Centerpoint多任務(wù)模型的各部分的結(jié)構(gòu)做性能和量化精度上分析，然后進(jìn)一步給出優(yōu)化方向和優(yōu)化思路。

量化精度優(yōu)化

在前面有提到，點(diǎn)云數(shù)據(jù)具有不均勻的特征，這種分布特點(diǎn)的數(shù)據(jù)使用PTQ量化方式很大可能會(huì)有量化精度問題，因此在 Centerpoint 多任務(wù)模型的量化過程中，我們使用 Calibration+QAT 的量化方式來保證點(diǎn)云模型的量化精度。需要提到的是地平線的calibration對(duì)于大部分模型就可以達(dá)到預(yù)期的量化精度，少量模型在較小的QAT訓(xùn)練代價(jià)下可以達(dá)到量化精度。由于 Centerpoint 多任務(wù)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(jiǎn)單的。

QAT量化方式是根據(jù)數(shù)據(jù)的分布選取量化系數(shù)，將fp32的數(shù)據(jù)截?cái)嗟絠nt8范圍，由于點(diǎn)云數(shù)據(jù)分布不均勻，其表現(xiàn)在部分?jǐn)?shù)據(jù)（點(diǎn)云坐標(biāo)）的數(shù)值范圍較大，部分（點(diǎn)到中心的距離）數(shù)值范圍較小，這種情況對(duì)量化是很不友好的，因此在量化訓(xùn)練中，會(huì)導(dǎo)致精度掉點(diǎn)；為了使數(shù)據(jù)分布處于均勻范圍內(nèi)，一般都會(huì)做歸一化處理（歸一化對(duì)浮點(diǎn)的精度也是有利的），因此，為了提升量化精度，我們?cè)黾恿藢?duì)點(diǎn)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(shù)據(jù)集上的驗(yàn)證，經(jīng)歸一化處理后，量化精度損失在 1% 以內(nèi)。

性能優(yōu)化

點(diǎn)云前處理優(yōu)化

前處理包括Voxelization操作和特征的擴(kuò)維操作-VoxelAugment。我們將分析公版的實(shí)現(xiàn)在征程5上部署的困難點(diǎn)，然后基于困難點(diǎn)介紹優(yōu)化方式以及地平線對(duì)點(diǎn)云前處理的部署優(yōu)化。

Voxelization部署分析

假設(shè)用 (x, y, z, r, t) 表示點(diǎn)云數(shù)據(jù)中的一個(gè)點(diǎn)，其中(x, y, z) 坐標(biāo)，r 為點(diǎn)云的反射強(qiáng)度，t為時(shí)間戳。

Centerpoint中的Pillar化（一種特殊的 Voxelization 操作，是把 z 軸看作一個(gè)整體，把三維空間離散化為 x-y 平面中均勻間隔的網(wǎng)格），在 Voxelization 過程中，需要依次、逐個(gè)對(duì)密集點(diǎn)云中的每個(gè)點(diǎn)進(jìn)行判斷，并將其劃分入對(duì)應(yīng)的 voxel 中，且每個(gè) voxel 都需要存儲(chǔ)點(diǎn)云中對(duì)應(yīng)區(qū)域的信息。隨著點(diǎn)云密度的增加，處理的體素?cái)?shù)量也相應(yīng)增多，導(dǎo)致需要更多的計(jì)算和內(nèi)存資源，其計(jì)算復(fù)雜度可能導(dǎo)致較長(zhǎng)的部署時(shí)間。

VoxelAugment部署分析

繼voxelization 中把每個(gè)點(diǎn)云 point 劃分到各個(gè) pillar 中之后，公版 Centerpoint中對(duì)點(diǎn)云 point 做了特征增強(qiáng)，即前文提到的把基于 nuscenes 數(shù)據(jù)集的5 維點(diǎn)云 point 數(shù)據(jù)(x, y, z, r, t)根據(jù)點(diǎn)到中心的距離擴(kuò)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(duì)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(kuò)充到 11 維時(shí)，對(duì)中心點(diǎn)距離的求解，增加了計(jì)算量和相應(yīng)的耗時(shí)。而在我們的實(shí)驗(yàn)中發(fā)現(xiàn)，增加的后 6 維數(shù)據(jù)，實(shí)際對(duì)模型的浮點(diǎn)精度影響很小。

針對(duì)以上兩個(gè)問題，下面介紹地平線的優(yōu)化方法。

VoxelAugment優(yōu)化

根據(jù)實(shí)驗(yàn)，原11維的方案會(huì)導(dǎo)致耗時(shí)增加，精度收益不大，因此在我們的改進(jìn)方法中，點(diǎn)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(yōu)化后，該部分耗時(shí)減少了 4ms，精度上影響較小。

除了以上的優(yōu)化外，考慮硬件對(duì)齊特性，對(duì)特征的layout也做了優(yōu)化，以便模型可以高效率運(yùn)行。征程5計(jì)算運(yùn)算的時(shí)候有最小的對(duì)齊單位，若不滿足規(guī)則時(shí)會(huì)對(duì)Tensor自動(dòng)進(jìn)行padding，造成無效的算力浪費(fèi)。例如conv的對(duì)齊大規(guī)則為2H16W8C/2H32W4C。基于硬件特征，采用H W維度轉(zhuǎn)換的方式，將大數(shù)據(jù)放到W維度以減少算力的浪費(fèi)，因此在生成pillars特征對(duì)其做歸一化后使用permute將1x5x40000x20轉(zhuǎn)換為1x5x20x40000。

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

Voxelization優(yōu)化

對(duì)于點(diǎn)云的voxelization耗時(shí)問題，地平線提供了ARM和DSP部署方式?？梢栽贠E包的AIBenchmerk中查看其具體實(shí)現(xiàn)。

DSP具有強(qiáng)大的并行計(jì)算能力，能夠同時(shí)處理多個(gè)數(shù)據(jù)，且具有快速讀寫內(nèi)存的特點(diǎn)，利用 DSP 可以有效加速 Voxelization 過程，提高實(shí)時(shí)性能。例如，在 nuscenes數(shù)據(jù)集（點(diǎn)云數(shù)據(jù)量為30萬），經(jīng) DSP 優(yōu)化后，前處理耗時(shí)由77ms 降低至20ms，性能提升3.8倍。具體數(shù)據(jù)可見實(shí)驗(yàn)結(jié)果章節(jié)。

優(yōu)化后，點(diǎn)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(gè)包含D維特征的點(diǎn)（由前文可知，公版Centerpoint中 D=11，地平線參考模型中D=5）用一個(gè)Linear+BatchNorm1d+ ReLU+max 的組合來進(jìn)行特征提取，生成(C，P，N) 的張量。

而地平線征程5最早針對(duì)的是以CNN為基礎(chǔ)的圖像處理，在編譯器內(nèi)部4d-Tensor是最高效的支持方式。如果不是4d-Tensor的話，編譯器內(nèi)部會(huì)主動(dòng)轉(zhuǎn)成4d（某些維度為1）來做，會(huì)多了很多無效的計(jì)算。我們可以使用常規(guī)的4維算子替換原來任意維度的設(shè)置，避免不必要的冗余計(jì)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(jià)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(shí)現(xiàn)偽圖像轉(zhuǎn)換的最后一個(gè)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(xùn)練和上板推理優(yōu)化，我們?cè)?horizon_plugin_pytorch 和編譯器中均實(shí)現(xiàn)了point_pillars_scatter 算子。該算子由編譯器內(nèi)部完成，用戶不需要感知。

horizon_plugin_pytorch 中 point_pillars_scatter 算子的調(diào)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(guān)于特征提取與融合部分，由于點(diǎn)云處理部分生成的偽圖像特征輸出通道數(shù)較大，原 Centerpoint 模型中的 SECOND 結(jié)構(gòu)部署速度不夠快，本文選用 MixVarGENet+UNET 結(jié)構(gòu)，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(jié)構(gòu)，特點(diǎn)是性能表現(xiàn)優(yōu)異，可以達(dá)到雙核5845FPS。該結(jié)構(gòu)的基本單元為MixVarGEBlock。如下為MixVarGEBlock的結(jié)構(gòu)圖：

MixVarGENet高度秉承了“軟硬結(jié)合”的設(shè)計(jì)理念，針對(duì)征程5的算力特性做了一些定制化設(shè)計(jì)，其設(shè)計(jì)思路可以總結(jié)為：

1. 小channel時(shí)使用normal conv，發(fā)揮征程5算力優(yōu)勢(shì)；

2. 大channel時(shí)引入group conv，緩解帶寬壓力；

3. Block內(nèi)部擴(kuò)大channel，提升網(wǎng)絡(luò)算法性能；

4. 縮短feature復(fù)用時(shí)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(jīng)濟(jì)，且可以提高BPU的利用率，能達(dá)到平衡精度與速度的最佳組合！

多任務(wù)輸出頭

Centerpoint多任務(wù)模型的輸出頭分為兩部分，對(duì)于 3D 目標(biāo)檢測(cè)，選用 Centerpoint 模型的預(yù)測(cè)頭，2D 可行駛區(qū)域的分割結(jié)果則選用了 FCN 結(jié)構(gòu)做為輸出頭。

多任務(wù)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(jìn)一步提升。同理，多任務(wù)模型的檢測(cè)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(jìn)一步的提升，同時(shí)浮點(diǎn)精度不受影響。

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

實(shí)驗(yàn)結(jié)果

1. Centerpoint 多任務(wù)模型在征程5性能數(shù)據(jù)

注

1：維度為(x,y,z,r,t)，即：3維坐標(biāo)、強(qiáng)度和時(shí)間

2：檢測(cè)任務(wù)：["car","truck","construction_vehicle","bus","trailer","barrier","motorcycle","bicycle","pedestrian","traffic_cone"]

分割任務(wù)：["others", "driveable_surface"]

2. 基于3D點(diǎn)云的多任務(wù)模型高效部署通用建議

?對(duì)輸入數(shù)據(jù)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(duì)于點(diǎn)云數(shù)據(jù)，pillars_num較大，將大數(shù)據(jù)放到W維度提升計(jì)算效率。

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

?使用地平線提供的點(diǎn)云前處理，若前處理存在性能瓶頸，嘗試DSP方案。

總結(jié)

本文通過對(duì)基于3D點(diǎn)云的多任務(wù)模型在地平線征程5上量化部署的優(yōu)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(diǎn)云處理方面，通過針對(duì)性的優(yōu)化方法，靈活支持了不同點(diǎn)云輸入并大幅提高點(diǎn)云處理的速度；在特征提取方面，選用了征程5高效結(jié)構(gòu) MixVarGENet+UNET；在輸出設(shè)置上，采用多任務(wù)輸出設(shè)計(jì)，能夠同時(shí)得到 3D 目標(biāo)檢測(cè)結(jié)果和可行駛區(qū)域的分割結(jié)果。

審核編輯：劉清