ALICE-LRI: 캘리브레이션 메타데이터 없이 회전형 LiDAR 센서용 무손실 범위 이미지 생성 일반 방법론

초록

3D LiDAR 센서는 원격 감응 응용 분야에서 자율 주행, 환경 모니터링, 정밀 매핑에 필수적입니다. 이러한 센서에서 생성되는 방대한 포인트 클라우드를 효율적으로 처리하기 위해 LiDAR 데이터는 각도 위치와 거리에 따라 포인트를 구성하는 2D 거리 이미지로 투영되는 경우가 많습니다. 이러한 거리 이미지 표현은 효율적인 처리를 가능하게 하지만, 기존 투영 방법은 되돌릴 수 없는 정보 손실을 초래하는 근본적인 기하학적 불일치 문제를 안고 있어 고정확도 응용 분야의 신뢰성을 저해합니다. 본 논문에서는 ALICE-LRI(Automatic LiDAR Intrinsic Calibration Estimation for Lossless Range Images)를 제안합니다. 이는 제조사 메타데이터나 캘리브레이션 파일 없이도 회전형 LiDAR 포인트 클라우드로부터 무손실 거리 이미지를 생성하는 최초의 범용적이며 센서에 독립적인 방법입니다. 우리의 알고리즘은 레이저 빔 구성, 각도 분포, 빔별 캘리브레이션 보정값 등 중요한 파라미터를 추론하여 모든 회전형 LiDAR 센서의 내재 기하구조를 자동으로 역설계하며, 이를 통해 무손실 투영과 포인트 손실 제로의 완전한 포인트 클라우드 재구성을 가능하게 합니다. 전체 KITTI 및 DurLAR 데이터셋에 대한 포괄적 평가를 통해 ALICE-LRI가 모든 포인트 클라우드에서 단 하나의 포인트 손실 없이 완벽한 포인트 보존을 달성함을 입증했습니다. 기하학적 정확도는 센서 정밀도 한계 범위 내에서 잘 유지되며, 실시간 성능을 바탕으로 기하학적 무손실성을 확립합니다. 또한, 실용적인 응용 분야에서의 상당한 품질 향상을 입증하는 압축 사례 연구를 통해 실질적인 하류 작업 이점을 검증합니다. 근사적 LiDAR 투영에서 무손실 투영으로의 이러한 패러다임 전환은 완전한 기하학적 보존이 필요한 고정밀 원격 감응 응용 분야에 새로운 가능성을 열어줍니다.

English

3D LiDAR sensors are essential for autonomous navigation, environmental monitoring, and precision mapping in remote sensing applications. To efficiently process the massive point clouds generated by these sensors, LiDAR data is often projected into 2D range images that organize points by their angular positions and distances. While these range image representations enable efficient processing, conventional projection methods suffer from fundamental geometric inconsistencies that cause irreversible information loss, compromising high-fidelity applications. We present ALICE-LRI (Automatic LiDAR Intrinsic Calibration Estimation for Lossless Range Images), the first general, sensor-agnostic method that achieves lossless range image generation from spinning LiDAR point clouds without requiring manufacturer metadata or calibration files. Our algorithm automatically reverse-engineers the intrinsic geometry of any spinning LiDAR sensor by inferring critical parameters including laser beam configuration, angular distributions, and per-beam calibration corrections, enabling lossless projection and complete point cloud reconstruction with zero point loss. Comprehensive evaluation across the complete KITTI and DurLAR datasets demonstrates that ALICE-LRI achieves perfect point preservation, with zero points lost across all point clouds. Geometric accuracy is maintained well within sensor precision limits, establishing geometric losslessness with real-time performance. We also present a compression case study that validates substantial downstream benefits, demonstrating significant quality improvements in practical applications. This paradigm shift from approximate to lossless LiDAR projections opens new possibilities for high-precision remote sensing applications requiring complete geometric preservation.

ALICE-LRI: 캘리브레이션 메타데이터 없이 회전형 LiDAR 센서용 무손실 범위 이미지 생성 일반 방법론

ALICE-LRI: A General Method for Lossless Range Image Generation for Spinning LiDAR Sensors without Calibration Metadata

초록

Support