APR: 집합된 포인트 클라우드 재구성을 통한 온라인 원격 포인트 클라우드 등록

많은 운전 안전 응용 프로그램에서 먼 거리의 이동 차량에서 생성된 LiDAR 포인트 클라우드를 정확히 등록하는 것이 매우 중요합니다. 그러나 같은 객체에 대한 이러한 포인트 클라우드는 극도로 다른 점 밀도와 센서 시점으로 인해, 이러한 포인트 클라우드의 등록이 매우 어렵습니다. 본 논문에서는 온라인 먼 거리 포인트 클라우드 등록을 위한 새로운 특징 추출 프레임워크인 APR을 제안합니다. 특히, APR은 오토인코더 설계를 활용하여, 원래 단일 입력 포인트 클라우드 대신 여러 프레임으로 더 밀도가 높은 집약된 포인트 클라우드를 재구성합니다. 우리의 설계는 인코더가 단일 입력 포인트 클라우드 기반으로 풍부한 국소 기하학적 정보를 포함하는 특징을 추출하도록 강제합니다. 이러한 특징은 이후 온라인 먼 거리 포인트 클라ウ드 등록에 사용됩니다. 우리는 KITTI와 nuScenes 데이터셋에서 최신 기술(SOTA) 특징 추출기들과 비교하여 광범위한 실험을 수행했습니다. 결과는 APR이 LoKITTI에서 SOTA 추출기들의 평균 등록 재현율을 7.1% 증가시키고, LoNuScenes에서는 4.6% 증가시켜 모든 다른 추출기를 크게 능가함을 보여주었습니다. 코드는 https://github.com/liuQuan98/APR에서 제공됩니다.