LPD-Net: 대규모 장소 인식 및 환경 분석을 위한 3D 포인트 클라우드 학습

포인트 클라우드 기반 장소 인식은 원시 3D 포인트 클라우드에서 로컬 특징을 추출하고 전역 설명자를 생성하는 데 어려움이 있어 여전히 해결되지 않은 문제입니다. 특히 대규모 동적 환경에서는 더욱 어렵습니다. 본 논문에서는 원시 3D 포인트 클라우드에서 차별화되고 일반화된 전역 설명자를 추출할 수 있는 새로운 딥 뉴럴 네트워크, LPD-Net (대규모 장소 설명 네트워크)를 개발하였습니다. 이 네트워크는 적응형 로컬 특징 추출 모듈과 그래프 기반 이웃 집계 모듈 두 가지 모듈을 제안하여, 대규모 포인트 클라우드에서 로컬 구조를 추출하고 로컬 특징의 공간 분포를 밝히는 데 기여합니다. 이러한 과정은 엔드 투 엔드 방식으로 이루어집니다. 우리는 제안된 전역 설명자를 포인트 클라우드 기반 검색 작업에 적용하여 대규모 장소 인식을 실현하였습니다. 비교 결과는 우리의 LPD-Net이 PointNetVLAD보다 훨씬 우수하며 최신 연구 수준에 도달하였음을 보여줍니다. 또한 우리는 LPD-Net을 시각 기반 솔루션과 비교하여 다양한 날씨와 조명 조건에 대한 접근 방식의 강건성을 입증하였습니다.