[논문]3차원 LiDAR 점군 데이터에서의 가상 차량 데이터 생성을 위한 구면 점 추적 기법

이상준; 김학일

doi:10.5909/jbe.2023.28.3.329

초록
AI-Helper

딥러닝 네트워크를 이용한 3차원 객체 인식 기술은 자율주행 기술 개발에 있어 대상 객체의 종류 뿐만 아니라 센서로부터의 거리도 인식할 수 있기 때문에 장애물 탐지를 위해 많이 개발되고 있다. 하지만 3차원 객체 인식 모델의 경우 원거리 객체에 대한 탐지 성능이 근거리 객체에 대한 인식 성능보다 낮아 차량의 안전을 확보하는 데에 치명적인 문제가 발생할 수 있다. 본 논문에서는 가상의 3차원 차량 데이터를 생성해 모델 학습에 사용되는 데이터셋에 추가하여 3차원 객체 인식 모델의 성능, 특히 원거리의 객체에 대한 성능을 향상시키는 기술을 소개한다. 3차원 라이다 센서 데이터의 특성을 활용한 구면 점 추적 기법을 사용하여 실제 차량과 매우 유사한 가상 차량을 생성하였고, 생성한 가상 차량 데이터를 사용하여 원거리뿐만 아니라 모든 거리 영역 범위에서의 객체 인식 성능을 향상시킴으로써 가상 데이터의 학습 유효성을 입증하였다.

Abstract ▼ AI-Helper

3D Object Detection using deep neural network has been developed a lot for obstacle detection in autonomous vehicles because it can recognize not only the class of target object but also the distance from the object. But in the case of 3D Object Detection models, the detection performance for distan...

3D Object Detection using deep neural network has been developed a lot for obstacle detection in autonomous vehicles because it can recognize not only the class of target object but also the distance from the object. But in the case of 3D Object Detection models, the detection performance for distant objects is lower than that for nearby objects, which is a critical issue for autonomous vehicles. In this paper, we introduce a technique that increases the performance of 3D object detection models, particularly in recognizing distant objects, by generating virtual 3D vehicle data and adding it to the dataset used for model training. We used a spherical point tracing method that leverages the characteristics of 3D LiDAR sensor data to create virtual vehicles that closely resemble real ones, and we demonstrated the validity of the virtual data by using it to improve recognition performance for objects at all distances in model training.

주제어

표/그림 (4)

그림 그림 1. 360도 LiDAR 센서의 구동 특성에 의해 수집된 점군 데이터의 분포 Fig. 1. Distribution of Point Cloud data by 360-degree LiDAR sensor
그림 그림 2. 그림으로 표현한 구면 점 추적 기법(왼쪽)과 실제 구면 점 추적 기법을 적용한 모습(오른쪽) Fig. 2. Figure of Spherical Point Tracing(Left) and Application of Spherical Point Tracing Method(Right)
그림 그림 3. 구면 점 추적 기법을 통해 생성한 가상 차량 객체의 생성 과정과 생성된 가상 차량의 거리에 따른 형상 변화 Fig. 3. Generation process of Synthetic vehicle object via Spherical Point Tracing method and shape variation of synthetic vehicle according to distance
표 표 1. 센서와의 거리별 생성된 객체의 개수에 따른 Voxel R-CNN 모델의 학습 성능 변화 Table 1. Performance improvements of Voxel R-CNN on the KITTI val set with Synthetic KITTI dataset by distance

참고문헌 (10)

F. Wang, Y. Zhuang, H. Gu, H. Hu, "Automatic Generation of？Synthetic LiDAR Point Clouds for 3-D Data Analysis," IEEE Trans. of？Instrumentation and Measurement, vol. 68, no. 7, pp. 2671-2673, July？2019.？ doi: https://doi.org/10.1109/TIM.2019.2906416

상세보기
S. Chitnis, Z. Huang, K. Khoshelham, "Generating Synthetic 3D Point？Segment for Improved Classification of Mobile LiDAR Point Clouds,"？The International Archives of the Photogrammetry, Remote Sensing？and Spatial Information Sciences, 139-144, 2021.？doi: https://doi.org/DOI:10.5194/isprs-archives-XLIII-B2-2021-139- 2021

상세보기
J. Beltran et al., "A Method for Synthetic LiDAR Generation to Create？Annotated Datasets for Autonomous Vehicles Perception," 2019 IEEE？Intelligent Transportation Systems Conference (ITSC), Auckland,？New Zealand, pp. 1091-1096, 2019.？ doi: https://doi.org/10.1109/ITSC.2019.8917176
M. Hossny, K. Saleh, M. Attia, A. Abobakr, J. Iskander, "Fast？Synthetic LiDAR Rendering via Spherical UV Unwrapping of？Equirectangular Z-Buffer Images," Computer Vision and Pattern？Recognition, Image and Video Processing, June 2020.？ doi: https://doi.org/10.48550/arXiv.2006.04345
X. Yue et al., "A LiDAR Point Cloud Generator: from a Virtual World？to Autonomous Driving," Computer Vision and Pattern Recognition,？pp. 458-464, June 2018.？ doi: https://doi.org/10.1145/3206025.3206080
S. Yoon et al., "Development of Autonomous Vehicle Learning Data？Generation System," The Journal of The Korea Institute of Intelligent？Transport Systems, vol. 19, no. 5. The Korea Institute of Intelligent？Transport Systems, pp. 162-177, 2020.？ doi: https://doi.org/10.12815/kits.2020.19.5.162

원문보기 상세보기
A. Geiger, P. Lenz and R. Urtasun, "Are we ready for autonomous？driving? The KITTI vision benchmark suite," 2012 IEEE Conference on Computer Vision and Pattern Recognition, Providence, RI, USA,？pp. 3354-3361, 2012.？ doi: https://doi.org/10.1109/CVPR.2012.6248074
J. Deng, S. Shi, P. Li, W. Zhou, Y. Zhang, H. Li, "Voxel R-CNN:？Towards High Performance Voxel-based 3D Object Detection,"？Proceedings of the AAAI Conference on Artificial Intelligence, vol.？35, pp. 1201-1209, May 2021.？ doi: https://doi.org/10.1609/aaai.v35i2.16207

상세보기
R. B. Rusu and S. Cousins, "3D is here: Point Cloud Library (PCL),"？2011 IEEE International Conference on Robotics and Automation,？Shanghai, China, pp. 1-4, 2011.？ doi: https://doi.org/10.1109/ICRA.2011.5980567
Q. Zhou, J. Park, V. Koltun, "Open3D: A Modern Library for 3D Data？Processing," 2018.？ doi: https://doi.org/10.48550/arXiv.1801.09847

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 3차원 LiDAR 점군 데이터에서의 가상 차량 데이터 생성을 위한 구면 점 추적 기법
Spherical Point Tracing for Synthetic Vehicle Data Generation with 3D LiDAR Point Cloud Data 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (4)

표/그림 (4)

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 3차원 LiDAR 점군 데이터에서의 가상 차량 데이터 생성을 위한 구면 점 추적 기법 Spherical Point Tracing for Synthetic Vehicle Data Generation with 3D LiDAR Point Cloud Data 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (4) 모든 표/그림 보기

표/그림 (4) 슬라이드로 보기

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

김학일 (74)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 3차원 LiDAR 점군 데이터에서의 가상 차량 데이터 생성을 위한 구면 점 추적 기법
Spherical Point Tracing for Synthetic Vehicle Data Generation with 3D LiDAR Point Cloud Data 원문보기

초록
AI-Helper

표/그림 (4)

표/그림 (4)