Robust Global Localization via Discriminative LiDAR Scene Representations = 분별력있는 LiDAR 장소 표현을 활용한 강인한 전역 위치추정

국문 초록 (Abstract)

본 논문은 사전에 구축된 지도 내에서 로봇의 위치와 자세를 추정하는 기술인 LiDAR 기반 전역 위치추정을 다룬다. 이러한 작업은 자율주행과 장기적인 로봇 운용에 필수적이지만, 동적인 환경으로 인해 관측이 일관되지 않게 되는 문제 때문에 여전히 도전적이다. 강인성을 향상시키기 위해, 본 연구는 표현 중심적 관점에 기반하여 LiDAR 장면 표현의 안정성과 표현력을 높이는 여러 방법을 제안한다. 제안된 접근법들은 실제 주행 데이터셋에서 검증되었으며, 기존 방법들과 비교해 강인하고 일관된 위치추정 성능을 보여준다.

다국어 초록 (Multilingual Abstract)

This thesis addresses LiDAR-based global localization, a task that estimates the robot’s pose within a pre-built map. Although it is essential for autonomous driving and long-term robot operation, this task remains challenging due to dynamic environments that lead to inconsistent observations. To improve robustness, this work is grounded in a representation-centric perspective and proposes several methods that enhance the stability and expressiveness of LiDAR scene representations. The proposed approaches are validated on real-world driving datasets and demonstrate robust and consistent localization performance compared to existing approaches.