ORFD: 비도로 자유공간 탐지용 데이터셋 및 벤치마크

자유 공간 탐지(Freespace detection)는 자율 주행 기술의 핵심 구성 요소로서 경로 계획 과정에서 중요한 역할을 한다. 지난 10년간 딥러닝 기반의 자유 공간 탐지 방법들이 실현 가능함이 입증되어 왔다. 그러나 이러한 연구들은 대부분 도시 도로 환경에 초점을 맞추었으며, 오프로드 환경을 위한 자유 공간 탐지에 특화된 딥러닝 기법은 오프로드 기준 데이터셋의 부족으로 인해 극히 드물었다. 본 논문에서는 우리가 알고 있는 바에 따르면 세계 최초의 오프로드 자유 공간 탐지 데이터셋인 ORFD 데이터셋을 제안한다. 이 데이터셋은 숲 지역, 농지, 초지, 시골 지역 등 다양한 환경에서 수집되었으며, 맑은 날, 비가 오는 날, 안개 낀 날, 눈 오는 날 등 다양한 기상 조건과 밝은 빛, 일광, 일몰, 어둠 등 다양한 조도 조건을 포함한다. 전체적으로 12,198개의 LiDAR 포인트 클라우드와 RGB 이미지 쌍이 포함되어 있으며, 통행 가능한 영역, 통행 불가능한 영역, 접근 불가능한 영역이 상세하게 레이블링되어 있다. 또한 자유 공간 탐지 작업에 요구되는 광범위한 수용 영역(Receptive Field)을 만족하기 위해 로컬 및 글로벌 정보를 통합하는 데 Transformer 아키텍처를 통합한 새로운 네트워크인 OFF-Net을 제안한다. 더불어, 정확한 오프로드 자유 공간 탐지를 위해 LiDAR와 RGB 이미지 정보를 동적으로 융합하기 위한 크로스 어텐션(Cross-attention) 기법을 도입하였다. 본 연구의 데이터셋 및 코드는 공개적으로 제공되며, GitHub 주소 https://github.com/chaytonmin/OFF-Net 에서 확인할 수 있다.