단안 슈도-라이다의 종단간 학습을 통한 도로 상의 3D 물체 검출

Abstract

최근 딥러닝의 발전으로 깊이 추정, 3D 물체 검출 및 트래킹과 같은 자율 주행 태스크도 진화하고 있다. 이 태스크들을 수행하는 데에 있어서 스테레오 카메라, 깊이 카메라, 라이다 센서, 레이저 센서 등 3D 정보를 정밀하게 측정하는 것이 매우 중요하다. 그러나 센서들의 가격도 비쌀 뿐더러 시중 데이터 셋의 양이 절대적 으로 부족하다. 따라서, 본 학위 논문에서는 오직 모노 이미지만을 이용해 3D 물체를 검출하는 네트워크를 제안한다. 결과적으로, KITTI 3D 검증 데이터 셋에서 기존 연구를 10% APBEV 이상 초과하는 최고 성능을 기록하였다. 성능 향상을 위해 모노 이미지와 3D 라이다를 함께 이용한 경우에도 같은 입력을 사용한 타 연구와 비교해 최고 성능을 기록하였다. 또한 깊이 추정 네트워크와 3D 객체 검출 네트워크의 종단간 학습을 통해 모노 기반 깊이 추정임에도 절대적인 깊이 스케일 예측이 가능하다.