센서 융합 기반 경량 3차원 객체 탐지와 악천후 적응

Lightweight 3D Object Detection with Sensor Fusion for Adverse-Condition Adaptation

연구 내용

카메라·레이더 센서를 융합하고 오토인코더 기반 특징 증류를 적용해 경량 3D 객체 탐지 성능을 확보하는 연구

카메라와 레이더 모달리티를 결합한 3차원 객체 탐지에서 경량화를 위한 특징 전이 전략을 연구합니다. 기존의 다중 손실 중심 접근이 복잡한 학습 절차로 이어질 수 있다는 점에 기반해, 오토인코더를 활용하여 교사-학생 간 지식 전이를 간결한 형태로 수행합니다. 또한 이미지 컨텍스트와 레이더 컨텍스트를 분리한 distillation을 통해 모달리티 특화 특징을 안정적으로 전달하도록 구성합니다. 이를 자율주행 인지·판단 소프트웨어 개발 및 악천후·비정형 환경에서의 적응 요구와 연결하여, 학습 효율과 배치 가능한 배치 추론을 동시에 고려합니다.

관련 프로젝트

6건

연구 흐름

2021년부터 클라우드 기반 자율주행 AI 학습 SW 개발 맥락에서 센서 융합과 신경망 경량화 요구가 제시되었고, 2023년에는 악천후·비정형 환경에서도 seamless 자율주행을 위한 인지·판단 AI 핵심 기술로 확장되었습니다. 이 과정에서 3D 탐지의 경량화 문제를 해결하기 위해 오토인코더 기반 특징 증류로 학습 절차를 단순화하는 방향을 정리했습니다. 2025년에는 카메라-레이더 sensor fusion 기반 autoencoder feature distillation을 제안하여 모달리티 컨텍스트 증류를 포함하는 실증으로 연결했습니다. 특허 출원은 지식 증류 기반 3차원 객체 탐지 경량화 전자장치로 이어졌습니다.

활용 가능성

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

카메라-레이더 3D 객체 탐지
악천후 자율주행 인지
임베디드용 경량 3D 인식
센서 융합 기반 모델 압축
지식증류 기반 실시간 업데이트
로봇·물류 주행 객체 인식
재난 현장 3D 상황 인지
클라우드-엣지 배포용 학습
도메인 변화 대응 탐지
다중 센서 학습 파이프라인