단안 3D 객체 탐지: 외부 파라미터를 고려하지 않는 접근법

단안 3차원 객체 탐지는 자율주행 분야에서 중요한 과제이다. 특히 차량의 자세(ego-car pose)가 지면에 대해 변화할 경우, 이 문제는 쉽게 해결하기 어려워진다. 이러한 현상은 도로의 미세한 표면 불균형이나 경사로 인해 흔히 발생한다. 산업적 응용에 대한 이해 부족으로 인해, 기존의 오픈 데이터셋 기반 연구들은 카메라 자세 정보를 무시하는 경향이 있으며, 이는 결과적으로 탐지기가 카메라 외부 파라미터(extrinsic parameters)의 변화에 취약하게 만든다. 실제로 자율주행 시스템에서 객체의 왜곡은 매우 흔한 현상이다. 이를 해결하기 위해, 본 연구에서는 카메라 자세를 적절히 포착함으로써 외부 파라미터의 변동에 영향을 받지 않는 탐지기 구조를 제안한다. 구체적으로 제안된 프레임워크는 투영점(vanishing point)과 수평선(horizon)의 변화를 탐지함으로써 카메라 외부 파라미터를 예측한다. 또한 잠재 공간(latent space) 내에서 왜곡된 특징을 보정하기 위한 변환기(converter)를 설계하였다. 이를 통해 제안된 3차원 탐지기는 외부 파라미터의 변화와 무관하게 작동하며, 기존 대부분의 단안 탐지기가 실패하는 현실적인 환경, 예를 들어 포트홀이 있는 불규칙한 도로에서도 정확한 성능을 발휘한다. 실험 결과, KITTI 3D 및 nuScenes 데이터셋에서 기존의 최첨단 기법들과 비교해 뚜렷한 성능 우위를 보였다.