4D 암시적 신경 표현을 이용한 동적 환경에서의 3D LiDAR 매핑

정확한 지도를 작성하는 것은 자율주행 차량의 신뢰할 수 있는 위치 추정, 계획 및 내비게이션을 가능하게 하는 핵심 요소입니다. 우리는 LiDAR 스캔의 시퀀스를 활용하여 동적 환경의 정확한 지도를 작성하기 위한 새로운 접근 방식을 제안합니다. 이를 위해, 우리는 4D 장면을 각 점에 시간 의존적인 절단된 부호 거리 함수를 대응시켜 새로운 시공간 암시적 신경 지도 표현으로 인코딩하는 방안을 제안합니다. 우리의 표현을 사용하여 동적 부분을 필터링하여 정적 지도를 추출합니다. 우리의 신경 표현은 희소 특징 그리드, 전 세계적으로 공유되는 디코더 및 시간 의존적인 기저 함수에 기반하며, 우리는 이를 비지도 방식으로 공동 최적화합니다. LiDAR 스캔의 시퀀스에서 이 표현을 학습하기 위해, 우리는 지도 최적화를 조각별로 감독하는 간단하면서도 효율적인 손실 함수를 설계합니다. 우리는 동적 포인트 클라우드를 분할하고 정적 지도의 재구성 품질 측면에서 이동하는 물체가 포함된 다양한 장면에서 우리의 접근 방식을 평가합니다. 실험 결과는 우리의 방법이 정확하고 완전한 3D 지도를 재구성하면서 입력 포인트 클라우드의 동적 부분을 제거할 수 있음을 보여주며, 여러 최신 방법보다 뛰어난 성능을 나타냅니다. 코드는 다음에서 이용 가능합니다: https://github.com/PRBonn/4dNDF