자율 주행을 위한 단안 3D 객체 탐지

이 논문의 목적은 자율 주행 분야에서 단일 단안 이미지 내에서 3차원 물체 탐지를 수행하는 것이다. 본 연구에서 제안하는 방법은 먼저 클래스별 특화된 물체 후보군을 생성하는 데 초점을 맞추며, 이후 이러한 후보들을 표준 CNN 파이프라인을 통해 통과시켜 고품질의 물체 탐지 결과를 도출한다. 본 논문의 주요 초점은 후보 생성에 있다. 구체적으로, 지면 평면에 대한 사전 지식을 활용하여 3차원 공간에 물체 후보를 배치하는 확률 모델을 제안한다. 이후 각 후보 박스를 이미지 평면으로 투영한 후, 의미적 세그멘테이션, 맥락 정보, 크기 및 위치 사전 지식, 일반적인 물체 형태와 같은 직관적인 잠재력들을 기반으로 점수를 매긴다. 본 모델의 가중치는 S-SVM을 통해 학습된다. 실험 결과, 제안하는 물체 후보 생성 방식이 모든 단안 기반 기준 대비 크게 우수하며, 공개된 단안 경쟁자 중에서 도전적인 KITTI 벤치마크에서 최고의 탐지 성능을 달성함을 확인하였다.