PointPillars: 포인트 클라우드에서 객체 검출을 위한 빠른 인코더

포인트 클라우드에서의 객체 검출은 자율 주행과 같은 많은 로봇 기술 응용 분야에서 중요한 측면입니다. 본 논문에서는 다운스트림 검출 파이프라인에 적합한 포인트 클라우드를 인코딩하는 문제를 고려합니다. 최근 연구 문헌에서는 두 가지 유형의 인코더가 제안되었습니다. 고정 인코더는 빠르지만 정확도를 희생하며, 데이터에서 학습된 인코더는 더 정확하지만 느립니다. 본 연구에서는 PointNets를 활용하여 수직 열(pillar)로 구성된 포인트 클라우드의 표현을 학습하는 새로운 인코더인 PointPillars를 제안합니다. 인코딩된 특징은 모든 표준 2D 컨볼루셔널 검출 아키텍처와 함께 사용할 수 있지만, 우리는 더욱 간결한 다운스트림 네트워크를 추가로 제안합니다. 광범위한 실험 결과, PointPillars는 속도와 정확도 면에서 이전의 인코더들보다 크게 우수함을 보여주었습니다. 리다(LiDAR)만을 사용함에도 불구하고, 우리의 전체 검출 파이프라인은 3D 및 조감도(KITTI 벤치마크)에서 최신 융합 방법론들을 포함하여 기존 최고 성능을 크게 능가하였습니다. 이 검출 성능은 62 Hz의 실행 속도로 달성되었으며, 이는 2-4배의 실행 시간 개선을 의미합니다. 또한 우리 방법의 더 빠른 버전은 105 Hz에서 최고 성능을 일치시킵니다. 이러한 벤치마크 결과는 PointPillars가 포인트 클라우드에서의 객체 검출에 적절한 인코딩 방식임을 시사합니다.