728x90
반응형
논문 : Pseudo-LiDAR from Visual Depth Estimation: Bridging the Gap in 3D Object Detection for Autonomous Driving
URL : arxiv.org/abs/1812.07179
Pseudo-LiDAR from Visual Depth Estimation: Bridging the Gap in 3D Object Detection for Autonomous Driving
3D object detection is an essential task in autonomous driving. Recent techniques excel with highly accurate detection rates, provided the 3D input data is obtained from precise but expensive LiDAR technology. Approaches based on cheaper monocular or stere
arxiv.org
저자 : Yan Wang, Wei-Lun Chao, Divyansh Garg, Bharath Hariharan, Mark Campbell, and Kilian Q. Weinberger
Publish : 2019,CVPR
[Intro Summary]
- 해결하고자하는 문제
- 3D Object detection 에서 Lidar 랑 camera based method의 성능 gap이 매우 크다.
- 지금까지 시도해왔던 방법들
- gap이 생기는 부분이 depth estimation 의 오류라고 생각한다. 그래서 sensor fusion과 같은 방법들로 해결해보자 노력함.(또는 depth estimation의 loss를 더 효율적으로 설계하고자함)
- 기존 방법들의 한계
- 그럼에도 불구하고 stero의 depth estimation 은 error가 지수적으로 증가함
- 이번 논문에서 시도할 방법
- error을 새로 정의하는 것보다 새로운 표현(represation)이 필요하다고 생각
- 기존 depth estimation 방법을 이용하여 3D point cloud를 생성하고 이를 lidar data처럼 사용
- 논문이 가지게 되는 Contributions
- Camera와 lidar의 gap을 많이 줄임
- 새로운 represantation을 고안하여 성능 향상 및 다양한 활용(stero camera를 통해 lidar based detector을 사용하는 것 , etc.)이 가능하게 함
- 성능이 SOTA
[Summary] Main Points of this paper
- Approch
- remove the differences between the two data modalities.
- estimating the dense pixel depth → back-projecting pixels into a 3D point cloud. → this represantation as pseudo-LiDAR signal
[Strengths] Clearly explain why these aspects of the paper are valuable.
- 기존의 stereo 와 monocular의 depth estimation 방법과 Lidar based 3D Object detection algorithm을 combination 했기 때문에 사용할 수 있는 데이터와 알고리즘의 폭이 넓다.
- 라이다 센서와 이미지 정보가 서로 좋은 영향을 끼칠 수 있다.
- Lidar data 로 학습 → img based classifier 로 fine tuning
- Lidar sensor 오작동 → 이미지 기반 알고리즘으로 보완 가능
[Weaknesses] Clearly explain why these aspects of the paper are weak.
- 기존 depth estimation 의 방법을 가져다 썻으므로 기존 문제점을 그대로 가지고 있다
- 거리가 먼 경우 error 가 커짐
- image에서의 작은 차이가 3D로 옮겨질 경우 그 오차가 매우 커짐
- real-time image processing 불가능
- 랜덤 카메라에 대해서 적용 불가능 (수식적으로 보았을때 focal length를 알아야하니까?)
[Why accepted?] What is the contribution of the paper? Or novelty
- 새로운 represantation 을 고안해냈다. 또한 이러한 접근이 더 높은 성능을 끌어냈다.
반응형
