3D LiDAR 포인트 클라우드의 실시간 세분화를 위한 다중 투영 융합

3D 포인트 클라우드 데이터의 의미 분할은 자율 플랫폼에서 고수준 인식 성능을 향상시키는 데 필수적이다. 또한, 자동차 및 드론에 장착된 LiDAR 센서의 보급이 증가함에 따라, 모바일 GPU에서 효율적으로 동작하는 계산 부담이 적은 알고리즘에 대한 특별한 관심이 증가하고 있다. 기존의 효율적인 최신 기술들은 정확도와 속도의 균형을 맞추기 위해 2D 전결합 신경망(2D fully convolutional neural networks)의 입력으로 포인트 클라우드의 2D 구면 투영을 활용해왔다. 본 논문은 단일 투영 방식에서 내재된 정보 손실을 완화하기 위해 포인트 클라우드의 다중 투영을 활용하는 새로운 3D 포인트 클라우드 의미 분할 접근법을 제안한다. 제안하는 다중 투영 융합(Multi-Projection Fusion, MPF) 프레임워크는 구면 투영과 벌새 눈 perspective(鳥瞰도) 투영을 각각 별도의 매우 효율적인 2D 전결합 모델로 분석한 후, 두 시각의 분할 결과를 융합한다. 제안된 프레임워크는 SemanticKITTI 데이터셋에서 검증되었으며, 기존의 최신 투영 기반 방법인 RangeNet++ 및 PolarNet보다 높은 mIoU(55.5)를 달성했으며, 이는 전자보다 1.6배, 후자보다 3.1배 빠른 처리 속도를 기록했다.