라이다 기반 물체 추적 기술
Q) 라이다 센서를 이용하면 3차원 공간에서의 물체의 위치를 알 수 있는데, 이것은 자율주행에서 어떤 장점이 있을까?
→ 3차원 공간에서의 물체의 위치를 알면 자율주행차가 물체의 실제 움직임을 파악하게 되어 이후 경로계획이나 판단을 수행하는데 중요한 정보로 활용된다.
학습 내용)
1.
라이다 기반 물체 검출 기술 개요
2.
라이다 기반 물체 검출 기술 분류
keyword 1)
라이다 기반 물체 검출 기술
→ 라이다 센서 데이터를 분석하여 물체의 위치와 종류 추정
keyword 2)
3차원 영역의 물체 검출
→ 3차원 영역에 물체를 포함하는 3차원 박스로 물체의 위치 표현
keyword 3)
조감도 영역의 물체 검출
→ 주변을 위에서 내려다보는 방향에서 물체를 2차원 박스로 표현
라이다 기반 물체 검출 기술 개요
라이다 기반 물체 검출
•
라이다 센서 데이터를 분석하여 물체의 위치와 종류 추정
라이다 포인트 클라우드 데이터
•
N개의 포인트들의 집합으로 구성
→ 포인트 클라우드 데이터를 분석하여 주번 동적 객체 검출
딥러닝 기반 검출 기술의 적용
•
카메라, 라이다에 적용 가능
라이다 기반 물체 검출 기술 분류
3차원 영역의 물체 검출
카메라
•
3차원 물체 검출 결과를 얻기 쉽지 않음
라이다
•
거리와 형태 정보 제공
◦
3차원 물체 검출 가능 → 정확도 높음
라이다 해상도가 높아질수록 → 정보도 높아진다 → 검출 성능도 높아진다
조감도 영역의 물체 검출
카메라
•
물체의 크기가 거리에 따라 다르게 보임
•
물체의 박스가 다 세워져 있음
조감도 영역
•
물체의 크기가 비슷하게 보임 → 검출이 더 쉬움
•
물체의 회전 각도도 추정해야 함
→ 주변 동적 객체에 대한 필수 정보 제공
라이다 데이터 전처리 방식에 따른 분류
복셀 기반 라이다 처리 방식
•
3차원 영역에 분포된 무수히 많은 점으로 표현되는 라이다 포인트 클라우드
→ 물체에 대한 정보 추출
→ 전체 1% 미만에 해당하는 복셀들만 포인트가 차있음
→ 희소한 포인트 분포를 해결하기 위해 효율적인 계산 방식 필요
라이다 포인트 클라우드를 직접 처리 방식
•
포인트넷(딥러닝 방법) 적용
•
포인트 클라우드에서 정보 추출
•
포인트 수가 많은 경우, 계산량을 줄이기 위한 방법 필요
