경량 LiDAR 기반 이동 물체 분할 및 뷰 변환 최적화 연구

Lightweight LiDAR Moving Object Segmentation via Efficient View Transformation

연구 내용

LiDAR 데이터의 단일 뷰 한계를 보완하기 위해 직접 뷰 변환과 특징 플로우를 결합하여 이동 물체를 실시간으로 분할하는 연구

자율주행에서 동적·정적 객체를 구분하기 위해 LiDAR 포인트클라우드를 기반으로 이동 물체 분할을 수행합니다. 기존 뷰 변환의 3차원 재구성 비용을 줄이기 위해 새 특징 복원을 최소화하는 direct view transformation 구조를 사용합니다. 미리 계산된 그리드와 뷰별 hint map으로 좌표 사상을 빠르게 수행하고, 과거 프레임과 현재 프레임의 spatio-temporal 문맥을 addition-fusion feature flow로 결합합니다. 온보드 배치를 고려해 지연과 메모리 사용을 낮추는 방향으로 설계합니다.

관련 프로젝트

0건

연구 흐름

이전 연구에서는 LiDAR 기반 moving object segmentation에서 뷰 투영 및 변환이 spatio-temporal 단서를 얼마나 보존하는지에 초점을 두었습니다. 이후 2026년에는 3차원 공간에서 특징을 재구성하는 과정을 제거하여 direct view transformation 기반의 경량 프레임워크를 제안했습니다. 또한 과거-현재 프레임을 특징 플로우로 결합해 단일 뷰의 정보 부족을 보완하는 구조로 확장했습니다. 실시간 동작을 목표로 온보드 적용 가능성을 함께 검증하는 흐름으로 발전했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

온보드 실시간 이동 물체 인지
충돌 회피용 동적 객체 탐지
지연 저감형 경량 지각 파이프라인
로봇 주행 환경 인지 고도화
비전 센서 융합 전처리용 변환 모듈
다중 뷰 후보 생성의 연산 절감
메모리 제약 환경의 분할 추론
센서 주기 기반 스트리밍 처리
자율주행 시맨틱 데이터 구축
경량 GPU 또는 엣지 디바이스 최적화