3차원 라이다(light detection and ranging, 3D LiDAR) 센서는 자율주행 차량에서 널리 사용된다. 3D LiDAR를 활용하는 다양한 인식 문제들 가운데 주행 가능 영역(drivable region, DR) 식별은 가장 중요한 문제 중 하나이다. 본 논문에서는 3D LiDAR를 이용한 DR 식별을 완성(completion) 문제로 재정식화한다. 즉, 가상 점들이 DR을 가능한 한 조밀하고 균일하게 덮도록 가상 점을 생성하여, DR을 충분히 잘 표현하는 것이 문제이다. 본 논문에서 다루는 문제를 DR 완성 문제라고 명명한다. DR 완성 문제(DRC)를 해결하기 위해 Drivable Region Completion Network(DRCN)라는 새로운 네트워크를 제안한다. 제안하는 DRCN은 인코더 부분과 디코더 부분으로 구성된다. 인코더 부분은 두 개의 인코더로 이루어진다. 첫 번째는 다층 퍼셉트론(multi-layer perceptron, MLP) 인코더이며, 주어진 라이다 점들의 전역(global) 특징을 포착한다. 두 번째는 Point Pyramid Network(PPN) 인코더로 명명되며, 점군(point cloud) 내에서 점들 사이의 국소(local) 특징을 추출한다. 디코더 부분은 거친-것에서-정교한(coarse-to-fine) 구조를 취하며, 거친 디코더와 정교화(refinement) 디코더로 구성된다. 거친 디코더는 DR에 대한 시드(seed) 점을 예측한다. 정교화 디코더는 시드 점을 정교화하여 최종의 조밀한 DR 점들을 예측한다. 마지막으로, 제안하는 DRCN을 평가를 위해 SemanticKITTI 데이터셋에 적용한다. 제안하는 DRCN은 우리의 DRCN이 정확도 측면에서 다른 DR 탐지 방법들보다 성능이 우수함을 보임으로써 검증된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.