자율주행에서 교통 참여자를 탐지하는 일은 필수적이며 오래된 과제이다. 최근에는 안전 주행을 위해 움직이는 물체의 인식이 이 분야의 주요 쟁점으로 부상하고 있다. 본 논문에서는 연속된 range-view 영상으로부터 움직이는 물체를 분할하는 LiDAR range-view 기반 Moving Object Segmentation 프레임워크인 RVMOS를 제안한다. 기존 방법과 달리, 우리의 네트워크는 각기 물체의 운동을 인코딩하는 ‘모션’ 특징과 물체를 둘러싼 상황을 인코딩하는 ‘시맨틱’ 특징을 모두 포함한다. 또한 range-view 영상에 적합하도록 설계된 새로운 특징 추출 모듈을 고안하였다. 마지막으로 단순하지만 효과적인 데이터 증강 기법으로서 시간 간격 조절(time interval modulation)과 영(0) 잔차 영상 합성(zero residual image synthesis)을 도입한다. 이러한 기여를 통해 SemanticKitti 벤치마크에서 최신 기술 대비 10% 더 빠른 연산 시간( RTX 3090에서 34 FPS )으로 mIoU 기준 19% 향상된 성능을 달성하였다. 광범위한 실험을 통해 본 네트워크 설계와 데이터 증강 방식의 효과가 입증되었다.

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