3D 포인트 클라우드 맵은 다양한 위치와 시간에서 스캔된 LiDAR 센서 데이터를 누적하여 생성된다. 스캔 중에는 위치와 시간에 따라 동적 객체가 서로 다른 자세로 스캔되며, 이로 인해 맵의 품질이 저하되고 위치 추정에 부정적인 영향을 미친다. 3D 포인트 클라우드 맵의 품질을 향상시키고 장기 관리에 활용하기 위해, 동적 가능성을 포함한 객체를 제거함으로써 정적 객체만을 사용해 3D 포인트 클라우드 맵을 생성하는 효과적인 방법이 필요하다. 본 논문에서는 LiDAR 센서로부터 수집한 스캔 단위의 3차원 포인트 클라우드 각 개별 포인트로부터 특징 이미지를 생성하는 방법을 통해 각 포인트를 분류하고 동적 확률 객체를 제거할 수 있는 구면 포인트 지시자(Spherical Point Indicator, SPI)를 제안한다. SPI는 각 포인트를 중심으로 한 이웃 포인트들의 분포 정보와 강도 정보를 활용하여 각 포인트의 고유한 특징 이미지를 생성한다. 생성된 이미지는 CNN 네트워크의 입력으로 사용되어 분류된다. SPI의 특징 이미지 생성은 모든 3D 포인트 클라우드에 적용 가능하며, 분류 결과로 선택된 모든 스캔 포인트는 범주에 따라 개별적으로 분류된다. 제안하는 접근법은 단 한 번의 스캔만으로 포함된 모든 3D 포인트 클라우드를 분류할 수 있으며, 분류 결과에서 동적 가능성 객체 범주를 필터링함으로써 정적 객체만을 탐지할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.