LEGO: 포인트 클라우드를 활용한 온라인 다중 객체 추적을 위한 학습 및 그래프 최적화 모듈형 트래커

온라인 다객체 추적(MOT)은 자율 시스템에서 핵심적인 역할을 한다. 최신 기술들은 일반적으로 탐지 기반 추적(tracking-by-detection) 방식을 활용하며, 데이터 연관성(data association)이 핵심적인 역할을 한다. 본 논문에서는 기존 연구에서의 데이터 연관성 성능을 향상시키기 위해 학습 기반 그래프 최적화(LEGO) 모듈형 추적기(LEGO modular tracker)를 제안한다. 제안된 LEGO 추적기는 그래프 최적화와 자기 주의(self-attention) 메커니즘을 통합하여, 객체 간 연관성 점수 맵을 효율적으로 구성함으로써 시간 프레임 간 정확하고 빠른 객체 매칭을 가능하게 한다. 상태 갱신 과정을 추가로 개선하기 위해 칼만 필터(Kalman filter)를 도입하여 객체 상태의 시간적 일관성을 반영함으로써 일관된 추적을 보장한다. 본 연구에서 제안하는 방법은 라이다(LiDAR) 단독 데이터만을 사용함에도 불구하고, 라이다 기반 및 라이다-카메라 융합 기반 추적 기법을 포함한 다른 온라인 추적 방법들과 비교해 뛰어난 성능을 보였다. LEGO 추적기는 KITTI 객체 추적 평가 순위표에 결과를 제출할 당시 1위를 기록하였으며, 본 논문 제출 시점 기준으로도 KITTI MOT 벤치마크에서 차량에 대한 모든 온라인 추적기 중 2위를 유지하고 있다.