Core Concepts
LiDAR 스캔에서 객체를 분할하고 ICP 알고리즘을 활용하여 객체 간 강체 변환을 추정함으로써, 데이터 의존성과 비강체 가정의 한계를 극복하는 장면 흐름 추정 방법을 제안한다.
Abstract
이 논문은 자율주행 차량을 위한 LiDAR 기반 장면 흐름 추정 방법을 제안한다. 기존 방법들은 데이터 의존성이 높거나 객체의 강체 운동을 고려하지 않는 한계가 있었다.
제안하는 ICP-Flow 모델은 다음과 같은 과정으로 구성된다:
입력 LiDAR 스캔에서 지면을 제거하고 클러스터링을 수행하여 객체를 분할한다.
ICP 알고리즘을 활용하여 시간 간격 동안 각 객체 클러스터 간 강체 변환을 추정한다. 이때 히스토그램 기반 초기화 기법을 통해 ICP의 성능을 향상시킨다.
추정된 강체 변환으로부터 각 객체의 장면 흐름을 계산한다.
제안 모델은 데이터 학습이나 수작업 레이블링 없이도 기존 최신 모델들을 능가하는 성능을 보인다. 또한 추정된 장면 흐름을 활용하여 실시간 추론이 가능한 신경망 모델을 학습할 수 있다.
추가로, 제안 모델은 0.4초 이상의 긴 시간 간격에서도 강건한 성능을 보인다.
Stats
자율주행 차량이 0.1초 간격으로 캡처한 LiDAR 스캔에서 객체의 평균 이동 거리는 3.33m 이내이다.
객체 클러스터 간 정합 시 0.1m 이내의 거리 오차를 허용한다.
Quotes
"객체들이 자율주행 환경에서 대부분 강체로 움직인다는 가정을 설계에 반영하였다."
"ICP 알고리즘의 초기화를 위해 히스토그램 기반 투표 전략을 개발하였다."