필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 장치에 있어서,명령어들을 저장하도록 구성되는 메모리; 및상기 명령어들을 실행함으로써: 지면의 기하학적 특성들에 관한 제1 확률 모델(PG)을 통해 3D 라이다 포인트 클라우드로 표현되는 두 개의 장면들(A, B)에 대한 전처리를 수행하여 포인트 셋들(LA, LB)을 생성하고, 상기 포인트 셋들(LA, LB)로부터 로컬 피쳐들(FA, FB)을 추출하고, 상기 포인트 셋들(LA, LB)의 라이다 포인트들(LAi, LBj) 간의 기하학적 거리에 관한 제2 확률 모델(Pij)을 통해 기하학적 연관 가중치(Wij)를 계산하고, 상기 기하학적 연관 가중치(Wij)에 기초하여 상기 포인트 셋들(LA, LB) 간의 실제 연관(C)을 추정하는 추정 연관()을 도출하고, 상기 추정 연관()에 기초하여 글로벌 장소 인식 및 재로컬화에 활용되는 최적 피쳐 셋()을 도출하도록 구성되는 프로세서; 를 포함하는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 장치.

제1항에 있어서,상기 지면의 기하학적 특성들은 평탄성(flatness), 수직성(uprightness), 고도(elevation) 및 평면성(planeness)을 포함하고,상기 프로세서는, 상기 포인트 셋들(LA, LB)의 각 섹션(Lk)이 상기 지면의 기하학적 특성들 각각에 해당할 확률(PGi)의 곱을 연산하여 각 섹션(Lk)이 지면일 확률(PG(Lk))을 계산하도록 구성되는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 장치.

제2항에 있어서,상기 프로세서는, 비균형 최적 트랜스포트(unbalanced optimal transport) 함수 H를 이용하여, 상기 포인트 셋들(LA, LB) 및 상기 로컬 피쳐들(FA, FB)에 기초하여 상기 추정 연관()을 도출하도록 구성되는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 장치.

제3항에 있어서,상기 프로세서는, 상기 포인트 셋(LA)의 i번째 섹션(LiA) 및 상기 포인트 셋(LB)의 j번째 섹션(LjB) 간의 기하학적 거리(D(LiA, LjB))에 기초하여 상기 제2 확률 모델(Pij)을 계산하도록 구성되는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 장치.

제4항에 있어서,상기 프로세서는, 상기 제2 확률 모델(Pij), 상기 i번째 섹션(LiA)이 지면일 확률(PG(LiA)) 및 상기 j번째 섹션(LjB)이 지면일 확률(PG(LjB))에 기초하여 상기 기하학적 연관 가중치(Wij)를 계산하도록 구성되는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 장치.

제5항에 있어서,상기 프로세서는, 상기 기하학적 연관 가중치(Wij)로 구성되는 가중치 행렬(W)를 상기 추정 연관()에 직접 곱하여 가중 추정 연관(')을 획득하고,상기 가중치 행렬(W) 및 상기 가중 추정 연관(')에 기초하여 상기 최적 피쳐 셋()을 도출하도록 구성되는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 장치.

메모리에 저장되는 명령어들을 실행하는 프로세서에 의해 수행되는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 방법에 있어서,지면의 기하학적 특성들에 관한 제1 확률 모델(PG)을 통해 3D 라이다 포인트 클라우드로 표현되는 두 개의 장면들(A, B)에 대한 전처리를 수행하여 포인트 셋들(LA, LB)을 생성하는 단계;상기 포인트 셋들(LA, LB)로부터 로컬 피쳐들(FA, FB)을 추출하는 단계;상기 포인트 셋들(LA, LB)의 라이다 포인트들(LAi, LBj) 간의 기하학적 거리에 관한 제2 확률 모델(Pij)을 통해 기하학적 연관 가중치(Wij)를 계산하는 단계;상기 기하학적 연관 가중치(Wij)에 기초하여 상기 포인트 셋들(LA, LB) 간의 실제 연관(C)을 추정하는 추정 연관()을 도출하는 단계; 및상기 추정 연관()에 기초하여 글로벌 장소 인식 및 재로컬화에 활용되는 최적 피쳐 셋()을 도출하는 단계; 를 포함하는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 방법.

제7항에 있어서,상기 지면의 기하학적 특성들은 평탄성, 수직성, 고도 및 평면성을 포함하고,상기 포인트 셋들(LA, LB)을 생성하는 단계는,상기 포인트 셋들(LA, LB)의 각 섹션(Lk)이 상기 지면의 기하학적 특성들 각각에 해당할 확률(PGi)의 곱을 연산하여 각 섹션(Lk)이 지면일 확률(PG(Lk))을 계산하는 단계를 포함하는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 방법.

제8항에 있어서,상기 추정 연관()을 도출하는 단계는,비균형 최적 트랜스포트 함수 H를 이용하여, 상기 포인트 셋들(LA, LB) 및 상기 로컬 피쳐들(FA, FB)에 기초하여 상기 추정 연관()을 도출하는 단계를 포함하는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 방법.

제9항에 있어서,상기 기하학적 연관 가중치(Wij)를 계산하는 단계는,상기 포인트 셋(LA)의 i번째 섹션(LiA) 및 상기 포인트 셋(LB)의 j번째 섹션(LjB) 간의 기하학적 거리(D(LiA, LjB))에 기초하여 상기 제2 확률 모델(Pij)을 계산하는 단계를 포함하는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 방법.

제10항에 있어서,상기 기하학적 연관 가중치(Wij)를 계산하는 단계는,상기 제2 확률 모델(Pij), 상기 i번째 섹션(LiA)이 지면일 확률(PG(LiA)) 및 상기 j번째 섹션(LjB)이 지면일 확률(PG(LjB))에 기초하여 상기 기하학적 연관 가중치(Wij)를 계산하는 단계를 포함하는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 방법.

제11항에 있어서,상기 최적 피쳐 셋()을 도출하는 단계는,상기 기하학적 연관 가중치(Wij)로 구성되는 가중치 행렬(W)를 상기 추정 연관()에 직접 곱하여 가중 추정 연관(')을 획득하는 단계; 및상기 가중치 행렬(W) 및 상기 가중 추정 연관(')에 기초하여 상기 최적 피쳐 셋()을 도출하는 단계를 포함하는, 필수 피쳐 연관 추정 기반의 글로벌 장소 인식 및 재로컬화 방법.

비일시적 컴퓨터 판독 가능한 기록 매체에 저장되는 컴퓨터 프로그램에 있어서,상기 컴퓨터 프로그램의 명령어들은, 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서가:지면의 기하학적 특성들에 관한 제1 확률 모델(PG)을 통해 3D 라이다 포인트 클라우드로 표현되는 두 개의 장면들(A, B)에 대한 전처리를 수행하여 포인트 셋들(LA, LB)을 생성하는 동작;상기 포인트 셋들(LA, LB)로부터 로컬 피쳐들(FA, FB)을 추출하는 동작;상기 포인트 셋들(LA, LB)의 라이다 포인트들(LAi, LBj) 간의 기하학적 거리에 관한 제2 확률 모델(Pij)을 통해 기하학적 연관 가중치(Wij)를 계산하는 동작;상기 기하학적 연관 가중치(Wij)에 기초하여 상기 포인트 셋들(LA, LB) 간의 실제 연관(C)을 추정하는 추정 연관()을 도출하는 동작; 및상기 추정 연관()에 기초하여 글로벌 장소 인식 및 재로컬화에 활용되는 최적 피쳐 셋()을 도출하는 동작; 을 수행하게 하는, 비일시적 컴퓨터 판독 가능한 기록 매체에 저장되는 컴퓨터 프로그램.

제13항에 있어서,상기 지면의 기하학적 특성들은 평탄성, 수직성, 고도 및 평면성을 포함하고,상기 포인트 셋들(LA, LB)을 생성하는 동작은,상기 포인트 셋들(LA, LB)의 각 섹션(Lk)이 상기 지면의 기하학적 특성들 각각에 해당할 확률(PGi)의 곱을 연산하여 각 섹션(Lk)이 지면일 확률(PG(Lk))을 계산하는 동작을 포함하는, 비일시적 컴퓨터 판독 가능한 기록 매체에 저장되는 컴퓨터 프로그램.

제14항에 있어서,상기 추정 연관()을 도출하는 동작은,비균형 최적 트랜스포트 함수 H를 이용하여, 상기 포인트 셋들(LA, LB) 및 상기 로컬 피쳐들(FA, FB)에 기초하여 상기 추정 연관()을 도출하는 동작을 포함하는, 비일시적 컴퓨터 판독 가능한 기록 매체에 저장되는 컴퓨터 프로그램.