PointNetPointNet++pointnet은 point cloud에서 feature를 뽑는 network 중에서 한 축을 담당하고 있다고 봐도 되는 중요한 논문이다. PointNetpaper: PointNet: Deep Learning on Point Sets for 3D Classification and Segmentationcode: https://github.com/charlesq34/pointnetpoint cloud는 geometric data 구조중에서 중요한 type이지만 unordered라는 특성 때문에(좌표순처럼 sorting이 된것이 아닌 measurement 순서) image처럼 사용하기 위해서 기존에는 3D voxel grid형태의 data로 바꿔서 사용해왔다. 이러한 과정으로..

paper: Stand-Alone Self-Attention in Visual Models Abstract현대 컴퓨터 비전에서 convolution은 fundamental building block으로 역할을 수행해 왔다. 최근 몇몇 연구에서 long range dependency 문제를 해결하기 위해 convolution을 넘어서야 한다는 주장들이 있었다. 이를 위해서 보통 self-attention과 같은 content-based interaction을 증가시키는 방식의 연구들이 진행되어 왔다. 여기서 한가지 의문은 attention이 convolution 위에 쓰이는 것이 아니라 Stand-Alone(독립적으로) 쓰일 수 있느냐이다. 본 논문에서 직접 pure self-attention vision..

paper: FlowNet3D: Learning Scene Flow in 3D Point Cloudscode: https://github.com/xingyul/flownet3d이 논문은 dynamic envorionment에서 point의 3D motion(scene flow)를 찾기 위해 제안된 논문이다. 그래서 FlowNet3D를 제안해 end-to-end로 sceneflow를 학습하였다. FlowNet3D는 두 개의 새로운 layer를 제안해 hierarchical 한 feature와 point의 motion을 representation하는 것을 배운다.과거에 실제로 사용해봤던 논문인데 radius이내의 주변 point에 대해서만 학습을 하다보니 rotation이나 difference가 조금만 심해..

Closed-form solution of absolute orientation using unit quaternionsClosed-form solution of absolute orientation using orthonormal matrices이 논문들은 registration의 조상격인 논문이다. 두 좌표계에 존재하는 point들의 registration 문제를 least square 문제로 바꿔서 iterative하게가 아닌 closed form으로 푸는 해법을 제시한 논문이라고 보면 된다.Closed-form solution of absolute orientation using unit quaternionspaper: Closed-form solution of absolute orientatio..

Scan ContextIntensity Scan Context이번엔 lidar-based loop closure detection에 쓰이는 scan context 논문과 후속논문까진 아니지만 scan context에서 아이디어를 차용한 intensity scan context 논문을 리뷰해보고자 한다.Scan Contextpaper: Scan Context: Egocentric Spatial Descriptor for Place Recognition Within 3D Point Cloud MapLidar-based place recognition에는 다음과 같은 issue들이 존재해왔다고 한다.Descriptor가 rotational invariant 해야한다.Point cloud의 resolution이..

LOAMLeGO-LOAMLidar Odometry에서 많이 쓰이는 LOAM 계열의 논문들을 리뷰해 보고자 한다.LOAMpaper: LOAM: Lidar Odometry And Mapping in Real-time (or Low-drift and Real-time Lidar Odometry and Mapping)LOAM은 논문 제목대로 Lidar Odometry And Mapping의 줄임말로 high accuracy ranging과 inertial measurement 없이 Low-drfit, Low-computational complexity를 가진 odometry라고 한다.Odometry는 아주 복잡한 문제인 SLAM 문제의 일부이며 이 odometry를 아래처럼 두 부분으로 나누어서 해결했다고 한다..