레이더 기반 인지를 위한 딥러닝 기술
Q) 레이더 센서 기반 인지에도 딥러닝이 적용될 수 있을까?
→ 최근에 다양한 고해상도 레이더들이 개발되면서 딥러닝이 인지에 큰 성능 향상을 가져다줄 수 있음이 발표되고 있다.
학습 내용)
1.
레이더 센서 기반 인지 기술
2.
레이더 센서 기반 딥러닝 기술
keyword 1)
거리 도플러 영상 기반 물체 검출
→ 거리-도플러 영상에 딥러닝 모델을 적용하여 조감도 영역에서 물체 검출
keyword 2)
포인트 클라우드 기반 물체 검출
→ 고해상도 레이더로부터 포인트 클라우드 데이터 추출
→ 조감도 혹은 3차원 공간의 물체 검출
keyword 3)
레이더 공개 데이터셋
→ nuScenes 데이터셋
→ ASTYX 데이터셋
레이더 센서 기반 인지 기술
최근에 고해상도 레이더 개발 → 딥러닝 기술을 이용한 인지 기술 연구
⇒ 딥러닝을 이용한 카메라와 레이더의 센서 융합 기술
레이더
장점
•
거리 측정 정확
•
환경 영향 적게 받음
단점
•
오탐률 높음
카메라
장점
•
해상도 높음
•
물체 인식 성능 뛰어남
단점
•
거리 측정 부정확
•
환경 영향 많이 받음
레이더 센서 기반 딥러닝 기술
→ 연구 시작 단계인 딥러닝 기반 레이더 인지 기술
물체 검출을 위한 딥러닝 적용 접근 방법
1.
해상도가 높지 않은 경우
•
신호의 에너지를 분석하여 임계값과 비교 → 신호 검출
2.
고해상도 레이더 사용 경우
•
거리-도플러 영상을 이용한, 2차원 물체 검출
•
포인트 클라우드 데이터를 이용한, 3차원 물체 검출
사용 가능한 데이터셋은?
nuScenes
•
자율주행 회사인 Aptive에서 공개한 데이터셋
•
Continental ARS 데이터
◦
77 GHz, 장거리, FMCW
•
0.5초마다 6.5번의 레이더 스캐닝 누적해서 포인트 클라우드 형태로 데이터 제공
ASTYX HiRES2019
레이더 포인트 클라우드의 전처리 방법에 따른 물체 검출 방법?
1.
복셀 기반의 방법
2.
2차원 투영 기반의 방법
3.
포인트넷 기반의 방법
카메라와 레이더의 센서 융합 방법
1.
카메라를 위주로 물체 검출
2.
레이더 정보 추가
→ 카메라 검출 성능에 많은 영향을 받음
→ 센서 융합의 한계 존재
1.
카메라 영상과 레이더 센서로부터 딥러닝 모델 적용
2.
각각의 특징 값 추출한 후 직접 결합
3.
추가적인 딥러닝을 적용해서 물체 검출
→ 센서 융합의 성능 개선 높다
