이 논문은 자율주행을 위한 3D 객체 탐지에 관한 기술들과 데이터 셋을 모아 정리해둔 논문이다.
- 크게 다음과 같이 나누어 설명한다. 1. 이미지를 이용한 객체 탐지 ( 이미지를 포인트 클라우드로 변환) , 2. LiDAR 혹은 RGB-D, Stereo Camera 등을 사용해 만들어낸 포인트 클라우드를 이용한 객체 탐지, 3. 이미지와 포인트 클라우드를 동시에 입력으로 사용해 처리하는 멀티 모달의 방법을 소개한다.
- KITTI 데이터 셋 뿐만 아닌 주,야간으로 나뉘어 져있는 여러 데이터 nuScenes, Waymo Open 등의 장,단점을 상세히 설명해준다.
Abstract
3줄 요약 :
1. 자율주행을 위한 3D 객체 감지에 대한 기술들을 모아 정리함
2. 센서, 데이터 셋, 성능 메트릭, 최신 탐지 기술에 대한 비교도 제공함
3. 향후 유망한 연구 방향도 제시함
Introduction
3줄 요약 :
1. 자율주행이 더 높은 단계로 가기 위해서는 3D 공간에서의 인식은 전제 조건이다.
2. 포인트 클라우드가 가지는 특징은 총 (a), (b), (c), (d), (e) 5가지로 나눌 수 있음
* (a) 포인트 미스 (b) 외부 장애물에 의한 가려짐 (c) 자체 가려짐 (센서 혹은 측정 차량을 의미) (d) 이상적인 형태 (e) 희끗한 형태 (장거리 혹은 해상도 문제)
3. 3D 객체 검출, 탐지는 크게 3가지로 나눌 수 있음
(1) 이미지 기반 (2) 포인트 클라우드 기반 (3) 다중 융합 기반 방법
(이하 작성중)