EPIC: Ego-centric Monocular 3D Pedestrian Trajectory Estimation via Instance-aware Center-focused Depth Processing

Q: 이 논문에서 정의한 EPIC이란 무엇인가?

EPIC은 단안 카메라만을 사용하여 자율주행 차량 좌표계에서 보행자의 3D 궤적을 추정하는 비용 효율적인 시스템이다. 이 시스템은 인스턴스 분할, 객체 추적, 단안 메트릭 깊이 추정 및 적응형 중심 집중 깊이 추출을 가우시안 가중 EMA 스무딩과 통합하여 안정적인 궤적 추정을 가능하게 한다.

Q: 단안 카메라 기반 보행자 3D 궤적 추정의 정확도와 안정성을 향상시키는 핵심 요소는 무엇인가?

연구 결과, 침식 기반 중심 마스크와 가우시안 가중 EMA 스무딩이 단안 카메라 기반 보행자 3D 궤적 추정의 정확도와 안정성을 크게 향상시키는 핵심 요소이다. 중심 마스크는 경계 노이즈를 줄여 신뢰할 수 있는 깊이 값을 추출하고, EMA 스무딩은 시간적 일관성을 부여하여 궤적의 안정성을 높인다.

Heesang Yoon; Hakil Kim

추천

검색

질문

자료유형: 학술대회자료

저자정보: Heesang Yoon (Inha University) Hakil Kim (Inha University)

저널정보: 제어로봇시스템학회 제어로봇시스템학회 국제학술대회 논문집 ICCAS 2025

발행연도: 2025.11

수록면: 235 - 241 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

As autonomous driving systems become more prevalent, ensuring the safety of pedestrians is a critical challenge that must be addressed. One of the most crucial components of pedestrian safety systems is the ability to estimate pedestrian trajectories accurately in the vehicle coordinates. However, existing approaches primarily concentrate on 2D image-plane bounding-box forecasts, which are often inadequate for real-world applications. Other methods rely on expensive 3D sensors such as LiDAR, which hinders their commercialization. Some monocular camera-based approaches have explored 3D localization, but most remain limited to frame-level estimates, lacking the temporal continuity needed for reliable trajectory analysis. To overcome these limitations, this paper introduces EPIC: Ego-centric Pedestrian Trajectory Estimation via Instance-aware Center-focused Depth Processing, a cost-efficient system for estimating 3D pedestrian trajectories using only a monocular camera. This approach integrates instance segmentation, object tracking, monocular metric depth estimation, and an adaptive Center-focused depth extraction with Gaussian-weighted EMA smoothing, enabling trajectory estimation in the vehicle coordinate frame. This paper evaluates the proposed system on the nuScenes dataset, demonstrating the feasibility of monocular trajectory estimation for pedestrian safety applications.

#Autonomous driving #Pedestrian trajectory estimation #Monocular metric depth estimation #Instance segmentation #Object tracking

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)