기둥 단위의 공간 구분
수평 위치를 격자로 나누고 같은 칸의 점들을 높이 방향으로 묶는다. 각 기둥 안의 점 특징을 학습해 하나의 표현으로 모은다. 높이 정보를 전부 버려서 단순한 점 개수만 저장하는 방법으로 이해하면 부정확하다.
평면 배열로 펼치기
기둥의 특징을 해당 수평 위치에 배치하면 영상과 비슷한 특징 배열을 만들 수 있다. 이 배열에서 2차원 합성곱을 활용한다. 입력이 점군이라는 사실과 중간 계산이 2차원 배열이라는 사실은 서로 모순되지 않는다.
기둥 수의 예
가로 10m와 세로 8m의 범위를 한 변 0.5m인 칸으로 나누면 20×16=320개 수평 셀이 된다. 실제로 점이 들어 있는 기둥 수는 이보다 적을 수 있다. 설명용 격자이며 실제 모델의 범위나 셀 크기를 제시한 값은 아니다.
해상도와 실행 비용
셀을 작게 나누면 수평 위치의 세부를 구분하기 쉽지만 배열과 계산 부담이 커질 수 있다. 전체 속도는 특징 인코딩과 검출 및 후처리에 영향을 받는다. 센서 범위와 점 밀도, 장치 및 입력 크기를 맞춰 검출 정확도와 지연을 함께 평가한다.
관련 문서
VoteNet / PointNet / DGCNN / KPConv / Point Transformer / 합성곱 신경망