3+1D 레이더를 활용한 View-of-Delft 데이터셋에서의 다중 클래스 도로 이용자 탐지

차세대 자동차 레이더는 거리, 방위각, 도플러 속도 외에도 고도 정보를 제공한다. 본 실험 연구에서는 기존에 LiDAR 3차원 데이터에 사용된 최첨단 객체 탐지기(PointPillars)를 이러한 3+1D 레이더 데이터(여기서 1D는 도플러를 의미)에 적용한다. 아블레이션 연구를 통해, 다중 클래스 도로 이용자 탐지 맥락에서 고도 정보와 함께 도플러, 레이더 반사 단면적(RCS), 시간적 누적 정보의 기여를 탐색한다. 이후 레이더 포인트 클라우드와 LiDAR 포인트 클라우드에서의 객체 탐지 성능을 각 객체 클래스별로, 그리고 거리에 따라 비교한다. 본 실험 연구를 보다 원활히 수행하기 위해, 새로운 View-of-Delft(VoD) 자동차 데이터셋을 제안한다. 이 데이터셋은 복잡한 도심 교통 환경에서 촬영된 64층 LiDAR, 스테레오 카메라, 그리고 3+1D 레이더 데이터를 동기화 및 캘리브레이션하여 포함하고 있으며, 총 8,693개의 프레임으로 구성된다. 데이터셋에는 이동 및 정지 객체에 대한 123,106개의 3차원 경계상자(annotation) 레이블이 포함되어 있으며, 이 중 26,587개는 보행자, 10,800개는 자전거 이용자, 26,949개는 차량 레이블이다. 실험 결과, 64층 LiDAR 데이터 기반의 객체 탐지 성능이 여전히 3+1D 레이더 데이터 기반 탐지보다 우수하지만, 고도 정보의 추가와 연속적인 레이더 스캔 통합을 통해 성능 격차를 좁힐 수 있음을 확인하였다. VoD 데이터셋은 과학적 벤치마킹을 위해 무료로 제공되며, 공개 링크는 https://intelligent-vehicles.org/datasets/view-of-delft/ 에서 확인할 수 있다.