GeoTransformer: 기하학적 트랜스포머를 이용한 빠르고 강건한 포인트 클라우드 등록

우리는 포인트 클라우드 등록을 위한 정확한 대응점 추출 문제를 연구합니다. 최근 키포인트를 사용하지 않는 방법들은 특히 중복이 적은 상황에서 반복 가능한 키포인트의 검출이 어려운 문제를 우회하여 큰 잠재력을 보여주었습니다. 이러한 방법들은 다운샘플링된 슈퍼포인트(superpoints) 간의 대응점을 찾고, 이를 밀도 높은 포인트로 전파합니다. 슈퍼포인트는 그들의 이웃 패치가 겹치는지에 따라 매칭됩니다. 이러한 희소하고 느슨한 매칭은 포인트 클라우드의 기하 구조를 포착하는 문맥 특징이 필요합니다. 우리는 기하 변환기, 또는 간단히 GeoTransformer라고 부르는 모델을 제안하여 강건한 슈퍼포인트 매칭을 위한 기하 특징을 학습합니다. 이 모델은 쌍별 거리와 삼중별 각도를 인코딩하여, 강체 변환에 불변하고 중복이 적은 경우에도 강건성을 유지합니다. 단순한 설계임에도 불구하고 놀랍게도 높은 매칭 정확도를 달성하여 RANSAC 없이 정렬 변환을 추정할 수 있으며, 이로 인해 최대 100배 가속화됩니다. 실내, 실외, 합성, 다중 방향 및 비강체 등 다양한 벤치마크에서 수행된 광범위한 실험들은 GeoTransformer의 효율성을 입증하였습니다. 특히 우리의 방법은 도전적인 3DLoMatch 벤치마크에서 내부자 비율(inlier ratio)을 18~31% 포인트 개선하고 등록 재현률(registration recall)을 7% 이상 향상시켰습니다. 우리의 코드와 모델은 \url{https://github.com/qinzheng93/GeoTransformer}에서 제공됩니다.