농경지 같은 비정형 환경에서 강건한 위치 추정(localization)은 자율 시스템에게 중요한 과제입니다. LiDAR 센서는 환경에 대한 상세한 3D 정보를 제공하며 조명 조건에 독립적입니다. 이러한 이유로, LiDAR 기반의 장소 인식(place recognition) 방법들이 큰 주목을 받고 있습니다. 본 논문에서는 두 개의 센서(Livox Mid-360 및 Velodyne VLP-16)에서 얻은 이종(heterogeneous) LiDAR 데이터의 조기 융합(early fusion)과 추론 시간(inference time)에서의 학습된 재순위 지정 전략을 결합한 새로운 접근 방식인 MinkUNeXt-VINE++를 제안합니다. 이 융합은 각 센서의 강점을 활용하여 환경에 대한 보다 포괄적인 표현을 제공합니다. 또한, 재순위 지정 접근 방식은 포도밭과 같은 반복적인 환경에서 특히 중요하며, 이는 참 양성(true positives)을 찾는 것이 주요한 도전 과제이기 때문입니다. 저희는 다양한 생육 단계의 포도밭 환경에서 이종 LiDAR 데이터를 제공하는 TEMPO-VINE 데이터셋을 사용하여 본 접근 방식을 평가했습니다. 그 결과, MinkUNeXt-VINE++가 단일 센서 기반 접근 방식 및 최신(state-of-the-art) 방법들과 비교하여 장소 인식 성능을 크게 향상시킴을 입증했습니다. MinkUNeXt-VINE++는 단일 센서 기반 접근 방식 대비 Recall@1 지표에서 20%의 개선을 달성했으며, 재순위 지정까지 포함하여 +30%를 기록했습니다. 저희 방법의 코드는 재현 가능하도록 공개되어 있습니다.