PointRGCN: 3차원 차량 탐지 정밀화를 위한 그래프 컨볼루션 네트워크

자율 주행 파이프라인에서 인식 모듈은 주변 도로 환경에 대한 시각적 이해를 제공한다. 인식 작업 중에서 차량 탐지(vehicule detection)는 다른 교통 참가자들이 공유하는 도로 환경을 식별함으로써 안전한 주행을 가능하게 하므로 특히 중요하다. 본 연구에서는 3D LiDAR 포인트 클라우드에만 기반하여 작동하는 그래프 기반의 3D 객체 탐지 파이프라인인 PointRGCN을 제안한다. 더 정밀한 3D 객체 탐지를 위해, 제안된 특징과 맥락 정보를 통합하는 그래프 표현 방식을 활용한다. 본 연구는 이중 단계 3D 객체 탐지 파이프라인 내에 잔차 그래프 컨볼루션 네트워크(Residual GCNs)를 통합하여, 3D 객체 제안을 새로운 그래프 표현을 통해 보정한다. 특히, R-GCN은 3D 제안을 분류하고 회귀하는 잔차 그래프 컨볼루션 네트워크이며, C-GCN은 다수의 제안 간 맥락 정보를 공유함으로써 제안을 추가로 정교화하는 맥락 기반 그래프 컨볼루션 네트워크이다. 이러한 보정 모듈을 새로운 3D 탐지 파이프라인인 PointRGCN에 통합하여, Bird's Eye View(BEV) 탐지 작업의 easy 난이도에서 최신 기술 수준(SOTA)의 성능을 달성하였다.