초록
자율 주행은 차량과 환경 내의 다른 물체들의 3차원 인식을 요구합니다. 현재의 대부분 방법들은 2차원 차량 검출을 지원합니다. 본 논문에서는 어떤 2차원 검출 네트워크든 채택하고 이를 3차원 포인트 클라우드와 융합하여 2차원 검출 네트워크의 최소한의 변경으로 3차원 정보를 생성하는 유연한 파이프라인을 제안합니다. 3차원 박스를 식별하기 위해 일반화된 자동차 모델과 점수 맵을 기반으로 한 효과적인 모델 피팅 알고리즘이 개발되었습니다. 또한, 감지된 3차원 박스를 정제하기 위해 두 단계의 합성곱 신경망(CNN)이 제안되었습니다. 이 파이프라인은 두 가지 다른 2차원 검출 네트워크를 사용하여 KITTI 데이터셋에서 테스트되었습니다. 이 두 네트워크를 기반으로 한 3차원 검출 결과가 유사함을 보여주어 제안된 파이프라인의 유연성을 입증하였습니다. 결과는 3차원 검출 알고리즘 중 두 번째로 높아, 그 경쟁력을 확인할 수 있었습니다.