Chamfer Distance

• 다른 이름: CD, chamfer loss
• 카테고리: Sensing › Perception outputs
• 태그: point-cloud, loss-function, evaluation-metric, 3d-perception, deformable-objects

각 점을 다른 집합의 최근접 이웃과 짝지은 뒤 그 거리들을 두 방향으로 결합하여, 두 점 집합이 얼마나 다른지를 나타내는 척도.

정의

챔퍼 거리(Chamfer distance)는 어느 점이 어느 점에 대응하는지 알 필요 없이 두 점군을 비교한다. 첫 번째 집합의 모든 점에 대해 두 번째 집합에서 가장 가까운 점을 찾아 거리를 기록하고, 이어서 두 번째 집합에서 첫 번째 집합으로 같은 작업을 한 뒤, 두 방향의 항을 결합한다. 흔한 형태는 각 방향에서 최근접 이웃 거리 제곱을 평균하고 두 평균을 더하지만, 다른 형태는 평균 대신 합을 쓰거나 제곱이 아닌 그냥 거리를 쓴다. 이름은 1970년대 후반의 영상 분석 기법으로, 거리 변환을 사용해 에지 맵을 비교한 챔퍼 매칭(chamfer matching)에서 왔다.

두 방향 모두 중요하다. 예측에서 목표로 재면 모든 예측 점이 목표 근처에 있는지(정확도)를 확인하고, 목표에서 예측으로 재면 목표의 모든 부분이 덮였는지(완전성)를 확인한다. 목표의 한 영역으로 붕괴한 예측은 첫 번째 방향에서는 좋은 점수를, 두 번째 방향에서는 나쁜 점수를 받는다. 두 집합의 점 수가 같을 필요가 없으므로, 센서 데이터와 모델 출력을 비교하는 데 편리한 척도다.

챔퍼 거리는 k-d 트리 같은 최근접 이웃 구조를 쓰거나 GPU에서 전수 계산으로 저렴하게 구할 수 있고, 점 위치에 대해 거의 모든 곳에서 미분 가능하므로, 점군 생성과 형상 완성을 위한 학습 손실로, 그리고 계획 비용으로 널리 쓰인다. 주된 약점은 점이 어떻게 분포되어 있는지를 무시한다는 것이다. 뭉친 점들도 낮은 값을 줄 수 있다. Earth mover's distance는 같은 크기의 집합 사이에서 일대일 매칭을 찾아 이를 해결하지만 계산 비용이 더 크며, 거리 임계값에서의 F-score가 흔히 함께 보고된다. 하우스도르프 거리(Hausdorff distance)는 평균 대신 최악의 최근접 이웃 거리를 취하는 관련 척도다.

중요한 이유

많은 로보틱스 문제는 재구성된 물체와 스캔, 또는 예측된 변형 물체와 목표 형상처럼 점 대응이 존재하지 않는 형상을 비교하는 일을 포함한다. 챔퍼 거리는 이런 비교에 점수를 매기는 빠르고 미분 가능한 방법을 제공하며, 그래서 학습 손실로도 계획 비용으로도 등장한다.

주요 응용

• 점군 재구성 및 형상 완성 네트워크를 위한 학습 손실
• 변형 물체를 목표 쪽으로 성형하기 위한 계획 비용
• 3D 재구성 및 매핑의 평가 지표
• 학습된 입자 기반 동역학 모델 학습
• 시뮬레이터 보정 시 시뮬레이션된 물체 상태와 관측된 물체 상태 비교

실제 사례

변형 물체 매니퓰레이션에서 반죽을 성형하는 로봇은 현재 반죽의 점군을 획득하고 목표 형상의 점군을 가지고 있다. 학습된 동역학 모델이 각 후보 공구 행동 뒤의 반죽 점들을 예측하고, 계획기는 각 예측에 목표까지의 챔퍼 거리로 점수를 매겨 가장 좋은 것을 실행한다. 두 점군은 먼저 흔히 최원점 샘플링으로 고정된 수의 점으로 다운샘플링되므로, 비용이 빨리 계산되고 단계 사이에서 비교할 수 있다. 팀은 제곱인지 아닌지, 평균인지 합인지 정확히 어떤 변형을 쓰는지 기록해 두는데, 서로 다른 정의에서 나온 값은 비교할 수 없기 때문이다.

흔한 오해

• 챔퍼 거리에는 하나의 표준 공식이 있다 — 논문마다 제곱 거리인지 그냥 거리인지, 평균인지 합인지, 두 방향을 어떻게 결합하는지가 다르므로, 수치는 같은 정의에서만 비교할 수 있다
• 챔퍼 거리가 낮으면 점 분포가 일치한다 — 점이 표면에 걸쳐 어떻게 퍼져 있는지를 무시하며, Earth mover's distance는 이에 민감하다
• 한 방향이면 충분하다 — 예측에서 목표로만 재면 목표의 작은 부분만 잘 덮는 예측에 보상을 준다

알아야 할 사람

• 점군을 다루는 3D 인식 및 학습 연구자
• 변형 물체를 연구하는 매니퓰레이션 연구자
• 재구성 품질을 평가하는 매핑 엔지니어

관련 기술

• Earth Mover's Distance
• 하우스도르프 거리(Hausdorff Distance)
• F-score(3D 재구성)(F-score (3D Reconstruction))
• k-d 트리(k-d Tree)
• PointNet

관련 용어

• Point Cloud
• Iterative Closest Point
• Forward Dynamics Model
• Neural Implicit Representation
• Farthest Point Sampling

관련 프로젝트

• Open3D: Modern library for 3D point cloud processing, mesh operations, and 3D machine learning
• PCL: Industry-standard C++ library for point cloud processing in robotics perception
• OpenDroneMap: Open-source photogrammetry toolkit that turns drone images into maps and 3D models
• LeGO-LOAM: Classic lightweight, ground-optimized lidar odometry and mapping baseline (IROS 2018)
• libpointmatcher: Modular ICP library for 2D/3D point cloud registration and mapping
• Patchwork++: Fast and robust ground segmentation for 3D LiDAR point clouds from KAIST