정확한 위치 추정은 자율주행 기술의 핵심 요소이다. 특히 라이다 센서는 높은 정밀도로 3차원 공간 정보를 획득할 수 있어 이를 이용한 장소 인식 및 위치 추정 연구가 활발히 진행 중에 있다. 하지만 라 이 다 센서는 제조사 및 모델에 따라 시야각, 해상도 등 사양과 데이터 형식이 상이하여, 센서가 변경될 경우 동일한 알고리즘을 적용하더라도 일관된 결과를 보장하기 어렵다. 이러한 센서 의존성은 하드웨 어 교체 시 알고리즘의 재조정 및 수정 작업을 요구하며, 이는 자율주행 시스템의 확장성과 유지보수성을 저해하는 주요한 원인이 된다. 본 연구에서는 이러한 문제를 해결하기 위해, 이종 라이다 센서 환경 에 서도 강인하게 동작하는 실시간 장소 인식 기법을 제안한다. 제안하는 기법은 먼저 센서 간 시야각 및 해상도 차이를 완화하는 전처리 과정을 포함하며, 지역 설명자 생성 방법과 함께 투표 기반 장소 인 식을 포함한다. 제안하는 기술은 HeLiPR 데이터셋에서 0.82 이상의 평균 정밀도와 0.88 이상의 F1-Score를 달성하였다.

A Study on Local Descriptors for Real-Time Place Recognition Across Heterogeneous LiDAR Sensors

Ji-Ung Im, Jong-Hoon Won*

Accurate localization is a key component of autonomous driving technology. In particular, LiDAR sensors are capable of acquiring highly precise 3D spatial information, making them a central focus in ongoing research on place recognition and localization. However, LiDAR specifications such as field of view, resolution, and data format vary significantly across manufacturers and models. As a result, consistent performance cannot be guaranteed when the sensor is replaced, even if the same algorithm is applied. This sensor dependency necessitates recalibration and algorithmic adjustments in hardware replacement, which poses a major challenge to the scalability and maintainability of autonomous driving systems. To address this issue, we propose a real-time place recognition method that operates robustly across heterogeneous LiDAR sensor environments. To address this, the proposed approach includes a preprocessing step to mitigate differences in field of view and resolution between sensors, followed by the generation of local descriptors and a voting-based place recognition mechanism. Our method achieved an average precision (AP) greater than 0.82 and an F1-Score exceeding 0.88 on the HeLiPR dataset.

Keywords: autonomous driving, heterogeneous LiDAR, place recognition

Speaker 임지웅 인하대학교