3D 객체 제안을 통한 정확한 객체 클래스 탐지

이 논문의 목적은 자율주행 환경에서 고품질의 3D 객체 후보를 생성하는 것이다. 본 연구에서는 스테레오 영상 정보를 활용하여 3D 경계 상자 형태로 후보를 위치시킨다. 문제를 객체 크기 사전 지식, 지면 평면 정보, 그리고 자유 공간 추론, 포인트 클라우드 밀도, 지면으로부터의 거리 등 깊이 정보를 반영한 다양한 특징을 포함하는 에너지 함수를 최소화하는 방식으로 공식화한다. 실험 결과, 도전적인 KITTI 벤치마크에서 기존의 RGB 및 RGB-D 객체 후보 생성 방법들에 비해 상당한 성능 향상을 보였다. 또한 컨볼루션 신경망(CNN) 점수화 기법과 결합할 경우, KITTI 객체 클래스 세 가지 모두에서 기존의 모든 결과를 초월하는 성능을 달성하였다.