세마틱 세그멘테이션을 활용한 LiDAR 포인트 클라우드의 장면 보완

실외 환경의 장면 완성은 3차원 장면 이해 분야에서 도전적인 과제로, 지능형 로봇 및 자율 주행 기술에서 중요한 역할을 한다. 라이다(LiDAR) 데이터의 희소성으로 인해 3차원 장면 완성 및 의미적 세그멘테이션은 더욱 복잡한 문제로 남아 있다. 의미적 특징은 장면 완성 작업에 제약 조건과 의미적 사전 지식을 제공할 수 있으므로, 이들 간의 관계를 탐구하는 것은 매우 중요하다. 본 연구에서는 2차원 장면 완성 브랜치와 3차원 의미적 세그멘테이션 브랜치를 포함하는 엔드 투 엔드의 의미적 세그멘테이션 지원 장면 완성 네트워크를 제안한다. 구체적으로, 네트워크는 원시 포인트 클라우드를 입력으로 받아, 의미적 세그멘테이션 브랜치에서 추출한 특징을 계층적으로 완성 브랜치에 통합하여 의미 정보를 제공한다. BEV(Bird's Eye View) 표현 방식과 3차원 희소 컨볼루션을 활용함으로써, 연산 효율성을 높이면서도 효과적인 표현 능력을 유지할 수 있다. 또한, 의미적 세그멘테이션 브랜치의 디코더는 보조 역할을 수행하며, 추론 단계에서는 제거 가능하여 계산량을 절감할 수 있다. 광범위한 실험 결과를 통해 제안한 방법이 SemanticKITTI 데이터셋에서 경쟁력 있는 성능을 달성하며 낮은 지연 시간을 보임을 확인하였다. 코드 및 모델은 https://github.com/jokester-zzz/SSA-SC 에서 공개될 예정이다.