AEBS를 위한 스테레오 비전 기반 후보 영역을 이용한 물체 검출

초록

본 논문에서는 AEBS(Autonomous Emergency Braking System)에 사용되는 알고리즘을 후보영역 기반 CNN(Region based Convolutional Neural Network) 물체 검출의 Region Proposal 모듈에 재사용함으로써 효율성을 높이는 방법을 제안한다. 대부분의 후보 영역 기반의 CNN은 분류기 이외에 물체가 존재할 가능성이 있는 영역을 추정하는 독립적인 Region Proposal 알고리즘을 사용하거나, CNN의 서브 네트워크로 구성하는 방법을 사용한다. 이 경우 모듈의 수가 많아지거나, 더 많은 정보를 예측해야 하기 때문에 Capability가 더 큰 모델이 필요하여 실시간성을 이루기 어렵다. 이런 단점을 극복하기 위해 본 연구에서는 AEBS의 거리 추정에 사용되는 스테레오 매칭 기법 중 하나인 SGM(Semi Global Matching)을 통해 취득한 Disparity map을 이용하여 Stixel 기반의 3차원 Hypothesis ROI(Region of Interest)를 생성한다. 생성된 후보 영역에 대해 깊이가 얕은 ResNet-18 모델을 분류기로 사용하여 클래스를 분류하였다. 하나의 영상에서 취득된 모든 후보 영역을 하나의 mini-batch로 하여 병렬 처리를 통해 분류기의 실행시간을 단축시켰다. 또한 Depth map을 이용하면 지면으로부터의 높이, 거리에 따른 물체의 크기, 지평선 정보 등을 활용하여 후보영역을 효과적으로 제한할 수 있어 배경에 대한 오분류를 크게 줄일 수 있다.