초록
우리는 강체 및 변형 가능한 장면에서 부분 포인트 클라우드 매칭을 위한 학습 기반 접근 방식인 Lepard를 제시합니다. 주요 특징은 다음과 같은 3D 위치 지식을 활용한 포인트 클라우드 매칭 기술입니다: 1) 포인트 클라우드 표현을 피처 공간과 3D 위치 공간으로 분리하는 아키텍처. 2) 벡터의 내적을 통해 3D 상대 거리 정보를 명시적으로 드러내는 위치 인코딩 방법. 3) 크로스-포인트 클라우드 상대 위치를 수정하는 재위치화 기술.아블레이션 연구는 위의 기술들의 효과성을 입증합니다. 강체 경우에서 Lepard는 RANSAC와 ICP와 결합하여 3DMatch / 3DLoMatch 데이터셋에서 최고 수준의 등록 재현율(93.9% / 71.3%)을 보여줍니다. 변형 가능한 경우에서는 Lepard가 우리가 새로 구축한 4DMatch / 4DLoMatch 벤치마크에서 이전 연구보다 +27.1% / +34.8% 더 높은 비강체 피처 매칭 재현율을 달성하였습니다.