시각적 깊이 추정을 통한 가상 LiDAR: 자율 주행 차량의 3D 객체 검출 간극 해소

3D 객체 검출은 자율 주행에서 필수적인 작업입니다. 최근 기술들은 정확하지만 비싼 LiDAR 기술을 통해 얻은 3D 입력 데이터가 제공되는 경우 매우 높은 검출률을 보여주고 있습니다. 그러나 지금까지 저렴한 단일 카메라나 스테레오 이미지 데이터를 기반으로 하는 접근법들은 훨씬 낮은 정확도를 나타내왔습니다. 이 차이는 일반적으로 이미지 기반 깊이 추정의 부정확성 때문이라고 여겨져 왔습니다. 그러나 본 논문에서는 데이터의 품질이 아니라 그 표현이 대부분의 차이를 설명한다고 주장합니다. 컨볼루션 신경망의 내부 작동 원리를 고려하여, 우리는 이미지 기반 깊이 맵을 가짜 LiDAR 표현(pseudo-LiDAR representation)으로 변환하는 방법을 제안합니다. 이는 기본적으로 LiDAR 신호를 모방하는 것입니다. 이러한 표현을 사용하면 다양한 기존 LiDAR 기반 검출 알고리즘을 적용할 수 있습니다. 인기 있는 KITTI 벤치마크에서 우리의 접근법은 이미지 기반 성능의 최신 연구 결과보다 크게 개선된 결과를 보여줍니다. 30m 범위 내 객체의 검출 정확도는 이전 최신 연구 결과인 22%에서 전례 없는 74%로 상승했습니다. 제출 시점에서 우리의 알고리즘은 스테레오 이미지를 기반으로 하는 접근법 중 KITTI 3D 객체 검출 리더보드에서 가장 높은 순위를 유지하고 있습니다. 우리의 코드는 https://github.com/mileyan/pseudo_lidar 에서 공개적으로 이용 가능합니다.