자율주행에서 장소 인식(place recognition)은 임무를 성공적으로 수행하기 위한 필수 구성요소이며, 차량의 위치를 오차 누적으로부터 벗어나 추정하기 위해 시스템에서 동시적 위치추정 및 지도작성(Simultaneous Localization and Mapping, SLAM)이 널리 사용된다. 현재 장소 인식 성능을 향상시키기 위한 딥러닝 기반 또는 수작업(handcrafted) 방식에 근거한 다양한 연구가 진행되고 있다. 그러나 딥러닝 기반 접근법은 해석 가능성이 낮고 종종 방대한 학습 시간이 필요하다는 점에서 수작업 방식에 비해 특정한 어려움을 수반한다. 본 논문에서는 이러한 문제를 극복하면서 높은 성능을 달성하고자, 장소 인식 및 점 등록(point registration)을 위한 수작업 방식 기반의 효율적 특징 추출 방법을 제안한다. 제안된 방법은 견고한 특징점(feature points)을 추출하고 강력한 디스크립터(descriptors)를 생성하며, 알고리즘의 다용성을 보장하면서 딥러닝 방법과 유사한 수준의 성능을 달성하는 것을 포함한다. 또한 KITTI 데이터셋을 이용한 검증 결과도 논문에 포함되어 있으며, 회전된 루프(rotated loops)를 포함하는 까다로운 시나리오에서도 뛰어난 성능을 보임을 입증한다. 결과는 평균 루프 폐쇄 정확도(loop closure accuracy)가 95% 이상이며, 자세 추정 정확도는 병진에 대해 0.1 m, 회전에 대해 0.15도임을 보여준다.

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