단일 카메라 기반 3D 차량 검출 및 추적

차량의 3D 범위와 궤적은 차량의 미래 위치를 예측하고 이러한 예측을 바탕으로 미래 에고-모션(ego-motion) 계획을 세우는 데 중요한 단서입니다. 본 논문에서는 단일 카메라 비디오에서 3D 차량 검출 및 추적을 위한 새로운 온라인 프레임워크를 제안합니다. 이 프레임워크는 시간에 따라 움직이는 차량의 검출 결과를 연관시키는 것뿐만 아니라, 이동 플랫폼에서 캡처된 2D 이미지 시퀀스로부터 차량의 완전한 3D 바운딩 박스 정보를 추정할 수 있습니다. 우리의 방법은 강건한 인스턴스 연관성을 위해 3D 박스 깊이 순서 매칭을 활용하며, 가려진 차량의 재식별을 위해 3D 궤적 예측을 이용합니다. 또한, LSTM 기반의 모션 학습 모듈을 설계하여 보다 정확한 장기 모션 외삽을 실현하였습니다. 시뮬레이션, KITTI, 그리고 Argoverse 데이터셋에 대한 실험 결과는 우리의 3D 추적 파이프라인이 강건한 데이터 연관성과 추적 성능을 제공함을 보여줍니다. 특히 Argoverse에서, 우리의 이미지 기반 방법은 LiDAR 중심의 기준 방법들보다 30미터 이내의 3D 차량 추적에서 유의미하게 우수한 성능을 나타냈습니다.