既存の点群ベースの場所認識手法は主に単一点または局所領域の特徴表現に依存しており、局所近傍における関係情報のモデリングが不十分であるため、判別性の高い関係パターンの学習が困難であり、幾何学的構造が類似したシーンにおける認識性能に制限がある。これらの問題に対処するため、本論文では関係認知に基づく大規模点群場所認識ネットワークRA-Netを提案し、局所的な関係特徴と全体の文脈情報を協調的にモデリングすることで高判別性のシーン表現を学習する。まず、空間関係特徴抽出（SRFE）モジュールを設計し、関係認知重みを学習し近傍特徴を適応的に集約することで、特徴差異と空間的ずれを総合的に考慮して局所近傍内の関係パターンを効果的に抽出し、局所特徴の判別能力を強化する。次に、グローバル特徴抽出（GFE）モジュールを導入し、全体情報と点レベルの特徴を融合することで全体文脈情報を十分に活用し、シーン表現能力をさらに向上させる。実験結果は、RA-Netがより判別的なグローバル記述子を生成し、4つの公開ベンチマークデータセットで既存の手法を上回る場所認識性能を達成し、未視のシーンにおいても良好な一般化能力を示すことを明らかにしている。

関係認知; 点群; 場所認識; 深層学習