인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.12
- 수록면
- 593 - 599 (7page)
이용수
초록· 키워드
본 논문에서는 카메라+LiDAR 기반의 포인트 클라우드 증강 기법을 통해 3D 객체 감지 성능을 향상하는 방법을 제안한다. 첫 번째로, 카메라 이미지로 Pseudo-LiDAR 생성 및 로그 스케일 방식의 intensity 재구성을 수행하며 로그 스케일 방식의 intensity 재구성은 거리와 관련된 패턴을 포함하므로 학습 모델이 공간적 구조와 객체 간의 거리 정보를 더 효과적으로 학습할 수 있도록 한다. 두 번째로, Pseudo-LiDAR와 LiDAR 융합으로 포인트 클라우드를 증강하여 LiDAR의 낮은 해상도나 감지되지 않은 영역을 Pseudo-LiDAR 포인트로 채워 전체적인 포인트 수를 늘리고, 객체의 윤곽선을 명확하게 표현할 수 있도록 한다. 증강된 포인트 클라우드는 더 많은 포인트와 다양한 특성을 제공하며, PV-RCNN 모델은 이를 효과적으로 활용할 수 있게 된다. 제안하는 기법의 객관적인 신뢰성을 평가하기 위해 KITTI dataset으로 다른 딥러닝 모델들과 mAP를 산출하여 성능을 비교하였다. 실험 결과, 본 논문에서 제안한 Camera+LiDAR 기반의 포인트 클라우드 증강 기법을 통한 3D 객체 감지의 성능이 기존의 방법들보다 우수한 성능을 나타내었다. 특히 학습 모델로 쓰였던 PV-RCNN과 비교하여 mAP가 약 0.37 증가하였다. 실험에서 우수한 결과를 나타내므로 본 논문에서 제안한 기법의 효율성이 입증되었다.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- 요약
- Ⅰ. 서론
- Ⅱ. 본론
- Ⅲ. 결론
- References
참고문헌
참고문헌 신청최근 본 자료
UCI(KEPA) : I410-151-25-02-092321133
