HypLiLoc: 효율적인 LiDAR 포즈 회귀를 위한 쌍곡선 융합

LiDAR 재위치결정은 로봇공학, 자율주행, 컴퓨터 비전 등 여러 분야에서 중요한 역할을 합니다. 데이터베이스에서 LiDAR 기반 검색을 수행하면 일반적으로 높은 계산 및 저장 비용이 발생하며, 데이터베이스가 너무 희소하면 전역적으로 정확하지 않은 자세 추정을 초래할 수 있습니다. 반면에, 자세 회귀 방법은 이미지나 포인트 클라우드를 입력으로 받아서 엔드투엔드 방식으로 전역 자세를 직접 회귀합니다. 이 방법들은 데이터베이스 매칭을 수행하지 않으며, 검색 기술보다 계산적으로 효율적입니다. 우리는 새로운 LiDAR 자세 회귀 모델인 HypLiLoc을 제안합니다. 3D 특징과 2D 투영 특징을 각각 추출하기 위해 두 개의 분기된 백본을 사용합니다. 우리는 유클리디안 공간과 쌍곡선 공간에서 다중 모달 특징 융합을 고려하여 더 효과적인 특징 표현을 얻습니다. 실험 결과는 HypLiLoc이 실외와 실내 데이터셋 모두에서 최고 수준의 성능을 달성함을 보여줍니다. 또한 프레임워크 설계에 대한 광범위한 축소 연구를 수행하여 다중 모달 특징 추출과 다중 공간 임베딩의 효과성을 입증하였습니다. 우리의 코드는 다음 주소에서 공개되어 있습니다: https://github.com/sijieaaa/HypLiLoc