Core Concepts
LiDAR 포인트 클라우드의 노이즈와 불일치성을 극복하기 위해 단조 암시 필드를 제안하고, 이를 활용한 대규모 3D 매핑 시스템을 구현하였다.
Abstract
이 논문은 대규모 실외 3D 환경 센싱을 위한 새로운 암시 표면 표현인 단조 암시 필드(Monotonic Implicit Field, MIF)를 제안한다. 기존의 부호화된 거리 함수(Signed Distance Function, SDF)와 달리, MIF는 LiDAR 스캔 데이터의 노이즈와 불일치성을 극복할 수 있다.
MIF는 다음과 같은 특성을 가진다:
표면 위치에서 값이 0
표면 내부는 음수, 외부는 양수
LiDAR 레이를 따라 단조 감소
이러한 MIF를 학습하기 위해 단조성 손실 함수를 설계하였다. 또한 계층적 잠재 특징 그리드와 적응형 포인트 샘플링을 활용하여 MIF를 효과적으로 학습할 수 있는 프레임워크를 구축하였다.
제안 방법은 Mai City, Newer College, KITTI 벤치마크에서 정량적, 정성적으로 우수한 성능을 보였다. 특히 정확도, 완성도, 시각적 품질 측면에서 기존 방법들을 능가하였다.
Stats
LiDAR 스캔 데이터의 거리 값은 실제 투영 거리와 크게 다를 수 있다.
스캐너 위치와 스캔 각도에 따라 이 차이가 더 커질 수 있다.
Quotes
"LiDAR 스캔 데이터의 노이즈와 불일치성을 극복하기 위해 단조 암시 필드(MIF)를 제안한다."
"MIF는 표면 위치에서 값이 0이고, 표면 내부는 음수, 외부는 양수이며, LiDAR 레이를 따라 단조 감소하는 특성을 가진다."