라이다 기반 3차원 물체 추적 딥러닝 기술 심화
Q) 3차원 물체 검출 결과를 이용하여 움직이는 물체를 추적하는 경우, 2차원 물체 추적에 비해 더 어려운 점은 무엇일까?
→ 3차원 공간에서 물체의 움직임은 훨씬 더 다양한 방향으로 진행될 수 있기 때문에 2차원 물체 추적 기술보다 더 정밀한 추적 기술이 필요하다
학습 내용)
1.
라이다 기반 3차원 물체 추적 기술 개요
2.
라이다 기반 3차원 물체 추적 기술
3.
라이다 기반 3차원 물체 추적 기술 사례
keyword 1)
3차원 물체 추적 기법
→ 라이다 포인트 데이터로부터 특징값을 추출하여 유사도 측정
keyword 2)
mmMOT 방법
→ 포인트넷을 사용하여 특징값 추출
→ CNN을 적용하여 유사도 측정
→ 선형 프로그래밍 기법을 이용하여 연결
keyword 3)
GNN3DMOT 방법
→ LSTM을 사용하여 물체의 순차적 움직임 분석
→ 그래프 뉴럴네트워크를 사용하여 연결 수행
라이다 기반 3차원 물체 추적 기술 개요
•
다른 시간에 얻은 물체 검출 결과를 같은 물체에 연결 (Association)
→ 쌍에 대한 유사도 판별이 가능해야 함
라이다 기반의 3차원 물체 추적 과정
→ 딥러닝 사용
→ 유사도 측정(딥러닝 사용) → 물체 ID 부여
라이다 기반 3차원 물체 추적 기술
포인트넷을 사용해서 특징값 추출
포인트넷 : 포인트 집합으로부터 특징값을 표현하는데 최적화 (딥러닝 모델 사용)
포인트넷 기반의 딥러닝 모델
•
정보 손실 없이 모든 포인트 클라우드 데이터로부터 유용한 특징값 추출 가능
→ 딥러닝 사용
•
Siamese 딥러닝 모델 사용
◦
새로운 검출된 물체의 특징값과 추적중인 물체의 특징값 비교
▪
두 벡터의 거리를 계산하여 유사도 평가
