초록
3D 스캔 또는 포인트 클라우드에서 기하학적 특징을 추출하는 것은 등록, 재구성, 추적과 같은 응용 분야에서의 첫 번째 단계이다. 최신 기법들은 낮은 수준의 특징을 입력으로 요구하거나 제한된 수용 영역을 가진 패치 기반 특징을 추출해야 한다. 본 연구에서는 3D 완전 컨볼루셔널 네트워크를 사용하여 단일 패스로 계산되는 완전 컨볼루셔널 기하학적 특징을 제안한다. 또한 성능을 획기적으로 향상시키는 새로운 메트릭 학습 손실 함수를 제안한다. 완전 컨볼루셔널 기하학적 특징은 컴팩트하고 광범위한 공간적 맥락을 포착하며 대규모 장면에 쉽게 확장 가능하다. 제안한 방법은 실내 및 실외 데이터셋을 대상으로 실험적으로 검증되었으며, 사전 처리 없이도 최신 기술 수준의 정확도를 달성하며, 차원 수가 32로 컴팩트하고, 가장 정확한 기존 방법보다 600배 빠른 속도를 보였다.