UMERegRobust - 로버스트 포인트 클라우드 등록을 위한 유니버설 매니폴드 임베딩 호환 특징

본 논문에서는 정합 변환( rigid transformations) 추정을 위해 유니버설 매니폴드 임베딩(UME) 프레임워크를 채택하고, 부분적 겹침(partial overlap) 및 서로 다른 샘플링 조건을 가진 포인트 클라우드 상황을 고려할 수 있도록 이를 확장한다. UME는 동일한 객체에 대한 관측 데이터를 정합 변환에 의해 연결된 관측치를 하나의 저차원 선형 부분공간에 매핑하기 위한 방법론으로, 이 과정을 통해 변환에 불변(invariant)한 관측치 표현을 얻을 수 있으며, 그 행렬 형태 표현은 변환에 대해 공변(covariant, 즉 등변equivariant) 특성을 갖는다. 본 연구에서는 UME 호환성(feature extraction) 방법을 도입하고, 독창적인 UME 대조 손실(contrastive loss)과 샘플링 균형화 기법(sampling equalizer)을 추가하여 UME 프레임워크를 확장한다. 이러한 구성 요소들은 종합적이고 견고한 정합 파이프라인인 UMERegRobust로 통합되었다. 또한, 대규모 회전이 존재하는 상황을 위한 정합 방법 평가를 위해 RotKITTI 정합 벤치마크를 제안한다. UMERegRobust는 KITTI 벤치마크에서 기존 최고 성능(SOTA) 기법보다 우수한 성능을 보이며, 특히 엄격한 정밀도 기준(1°, 10cm)을 고려할 경우 평균 +9%의 성능 향상을 기록한다. 또한 RotKITTI 벤치마크에서는 최신 SOTA 방법 대비 +45%의 성능 향상을 기록하며, 특히 강력한 우수성을 입증한다.