点群に基づく場所認識は、未解決の問題であり、これは生の3D点群から局所特徴を抽出し、全体記述子を生成することが困難なためです。特に大規模な動的環境ではさらに難しくなります。本論文では、LPD-Net（Large-scale Place Description Network）と名付けられた新しい深層ニューラルネットワークを開発しました。このネットワークは、生の3D点群から識別力があり一般化可能な全体記述子を抽出することができます。本研究では、適応的な局所特徴抽出モジュールとグラフベースの近傍集約モジュールという2つのモジュールを提案しています。これらのモジュールは、大規模な点群において局所構造を抽出し、局所特徴の空間分布を明らかにするのに貢献します。これらはエンドツーエンドの方法で実装されています。提案された全体記述子を使用して、点群に基づく検索タスクを解決し、大規模な場所認識を達成しました。比較結果は、私たちのLPD-NetがPointNetVLADよりも優れており、最先端の性能に到達していることを示しています。また、異なる天候や照明条件に対する当手法の堅牢性を示すために、視覚に基づくソリューションとの比較も行いました。