TransLoc3D: 적응형 수용 영역을 사용한 포인트 클라우드 기반 대규모 장소 인식

장소 인식은 자율 주행 및 로봇 네비게이션 분야에서 중요한 역할을 합니다. 포인트 클라우드 기반 방법은 주로 포인트 클라우드의 국소 특징에서 전역 설명자를 추출하는 데 중점을 두고 있습니다. 기존 솔루션이 유망한 결과를 달성했음에도 불구하고, 다음과 같은 측면들을 간과하여 성능 저하를 초래할 수 있습니다: (1) 실외 장면에서 물체 사이의 크기 차이가 매우 큼; (2) 장소 인식과 관련 없는 이동 물체; (3) 장거리 문맥 정보. 우리는 이러한 측면들이 차별적인 전역 설명자를 추출하는 데 도전 과제를 제시함을 보여줍니다. 이러한 문제를 완화하기 위해, 우리는 크기가 다른 물체를 처리하면서 노이즈를 억제하고, 장거리 특징 의존성을 포착하기 위한 외부 트랜스포머를 사용하는 새로운 방법인 TransLoc3D(트랜슬록3D)를 제안합니다. 기존 아키텍처가 고정되고 제한된 수용 영역을 채택하는 것과는 달리, 우리의 방법은 크기에 적응하는 수용 영역과 전역 문맥 정보로부터 혜택을 받으며, 인기 있는 데이터셋에서 현저한 개선을 통해 현재 최신 기술들을 능가합니다.