초록
우리는 비정렬 포인트 클라우드에서 점 주변의 국부 기하학을 나타내는 특징을 학습하는 방법을 제시합니다. 이러한 특징은 로봇공학과 3D 비전 분야에서 다양한 응용 프로그램을 지원하는 기하 등록에 중추적인 역할을 합니다. 현재 비정렬 포인트 클라우드를 위한 최신 국부 특징들은 수작업으로 설계되었으며, 정밀성, 압축성, 그리고 견고성이라는 바람직한 속성을 모두 갖춘 것이 없습니다. 우리는 이들 속성을 가진 특징들이 데이터로부터 학습될 수 있음을 보여주며, 고차원 히스토그램을 저차원 유클리드 공간으로 매핑하는 딥 네트워크를 최적화함으로써 이를 실현할 수 있습니다. 제시된 접근 방식은 차원에 의해 매개되는 특징 집합을 생성하며, 이는 기존 설명자보다 더 압축적이고 더 정확합니다.