Core Concepts
제안된 DeepKalPose 방법은 기존 단안 차량 자세 추정 기법의 시간적 일관성을 크게 향상시켜, 특히 가려진 차량이나 멀리 있는 차량에 대한 자세 추정 정확도와 강건성을 개선한다.
Abstract
이 논문은 단안 차량 6D 자세 추정의 시간적 일관성을 개선하기 위한 DeepKalPose라는 새로운 접근법을 제안한다. DeepKalPose는 기존 단안 차량 자세 추정기의 예측을 보정하여 더 정확하고 시간적으로 일관된 자세 시계열 출력을 생성한다.
핵심 내용은 다음과 같다:
전방향 및 역방향 시계열 처리를 활용하는 양방향 칼만 필터 전략을 도입하여 시간적 일관성을 향상시킴
복잡하고 비선형적인 차량 운동 패턴을 학습할 수 있는 학습 가능한 운동 모델을 칼만 필터에 통합
KITTI 데이터셋에 대한 실험 결과, 기존 방법들에 비해 자세 정확도와 시간적 일관성이 크게 향상됨, 특히 가려진 차량이나 멀리 있는 차량에서 두드러짐
Stats
가려진 차량의 경우 Mono6D 대비 ARED 오차가 6.97%에서 4.21%로 개선되었다.
40m 이상 거리의 차량에 대해 ARED 오차가 6.28%에서 3.55%로 개선되었다.
Quotes
"제안된 방법은 기존 이미지 기반 기술들을 능가하는 자세 정확도와 시간적 일관성을 제공한다."
"양방향 칼만 필터 전략과 학습 가능한 운동 모델을 통해 가려진 차량이나 멀리 있는 차량에 대한 강건성이 크게 향상되었다."