MinkLoc3D-SI: 희소 합성곱, 구면 좌표 및 강도를 이용한 3D LiDAR 위치 인식

3D LiDAR 장소 인식은 회전하는 3D LiDAR 센서에서 얻은 단일 스캔을 기반으로 이전에 관찰된 환경에서 대략적인 위치를 추정하는 것을 목표로 합니다. 이 문제의 기존 해결 방안에는 수작업으로 만든 포인트 클라우드 설명자(예: ScanContext, M2DP, LiDAR IRIS)와 딥 러닝 기반의 해결 방안(예: PointNetVLAD, PCAN, LPDNet, DAGC, MinkLoc3D)이 포함되며, 이러한 방법들은 종종 옥스퍼드 로봇카 데이터셋의 누적 2D 스캔에서만 평가됩니다. 우리는 구면 좌표를 활용하여 3D 포인트의 강도를 처리하고, 단일 3D LiDAR 스캔을 사용할 때 성능을 향상시키는 희소 합성곱 기반의 해결 방안인 MinkLoc3D-SI를 소개합니다. 우리의 방법은 수작업으로 만든 설명자의 개선 사항(예: ScanContext)과 가장 효율적인 3D 희소 합성곱(MinkLoc3D)을 통합합니다. 실험 결과, 단일 스캔(USyd 캠퍼스 데이터셋)에서 개선된 성능을 보였으며, 뛰어난 일반화 능력(KITTI 데이터셋)을 나타냈습니다. 누적 2D 스캔에서 강도 정보를 사용하면(RobotCar Intensity 데이터셋), 구면 표현이 눈에 띄는 개선 효과를 가져오지 않더라도 성능이 향상됩니다. 그 결과 MinkLoc3D-SI는 3D LiDAR로부터 얻은 단일 스캔에 적합하며, 자율 주행 차량 분야에서 활용될 수 있습니다.