오브젝트 중심 스테레오 매칭을 이용한 3D 오브젝트 검출

안전한 자율 주행을 위해서는 신뢰할 수 있는 3D 객체 검출이 필요합니다. 이는 관심 객체의 6自由度(DoF) 자세와 차원을 결정하는 과정입니다. 이 작업을 해결하기 위해 스테레오 카메라를 사용하는 것이 널리 사용되는 LiDAR 센서에 비해 비용 효율적인 대안입니다. 현재 스테레오 3D 객체 검출의 최신 기술은 기존의 PSMNet 스테레오 매칭 네트워크를 수정하지 않고, 추정된 불일치(disparity)를 3D 포인트 클라우드로 변환하여 이를 LiDAR 기반 3D 객체 검출기에 입력하는 방식을 취하고 있습니다. 기존 스테레오 매칭 네트워크의 문제점은 이러한 네트워크가 3D 객체 검출을 위한 것이 아니라 불일치 추정을 위해 설계되었다는 것입니다. 객체 포인트 클라우드의 형태와 정확도가 중점이 되지 않습니다. 스테레오 매칭 네트워크는 일반적으로 배경과 전경 포인트가 함께 추정되기 때문에 객체 경계에서 부정확한 깊이 추정을 겪습니다. 이를 스트리밍(streaking)이라고 정의합니다. 또한, 기존 네트워크들은 손실 함수(loss function)에서 객체 포인트 클라우드의 추정 위치보다 불일치를 더 heavily penalizes 합니다.이 두 가지 문제를 해결하기 위해 우리는 새로운 2D 박스 연관성과 객체 중심적 스테레오 매칭 방법을 제안합니다. 이 방법은 관심 객체의 불일치만 추정합니다. 우리의 방법은 KITTI 3D 및 BEV 벤치마크에서 최고 수준의 결과를 달성하였습니다.注：在翻译中，“自由度”（Degree of Freedom）被翻译为“자유도”，但为了保持专业术语的一致性和完整性，建议使用“自由度”的通用译法“자유도”。另外，“heavily penalizes”部分的翻译进行了调整，以更符合韩语的表达习惯。