[초록 읽기] PointPillars (2019)

Alex H. Lang, et al. “PointPillars: Fast Encoders for Object Detection from Point Clouds”. (2019)

 

<초록>

기존 연구 동향)

포인트 클라우드에서 물체 감지는 자율 주행과 같은 많은 로봇 응용 프로그램의 중요한 측면이다. 본 논문에서는 포인트 클라우드를 a downstream detection pipeline에 적합한 형식으로 인코딩하는 문제를 고려한다. 최근의 문헌은 두 가지 유형의 인코더를 제시한다.

• fixed encoders는 빠르지만 정확도는 희생하는 경향이 있는 반면,
• 데이터에서 학습된 인코더는 더 정확하지만 더 느리다.

 

본 연구)

본 연구에서는 vertical columns (pillars)로 구성된 point cloud representation을 PointNet으로 학습하는 새로운 인코더인 PointPillars를 제안한다.

인코딩된 feature는 모든 표준 2D convolutional detection architecture와 함께 사용할 수 있지만, 우리는 더 나아가 a lean downstream network를 제안한다.

 

성능)

광범위한 실험을 통해 PointPillars가 속도와 정확성 모두에서 이전 인코더보다 훨씬 우수한 것으로 나타났다. 라이다만 사용함에도 불구하고, 우리의 전체 탐지 파이프라인은 3D 및 조류 관찰 KITTI 벤치마크 모두에서 융합 방법 중에서도 최첨단 기술을 크게 능가한다. 이 감지 성능은 62Hz에서 실행되는 동안 달성됩니다. 런타임 개선은 2-4배입니다. 우리 방법의 더 빠른 버전은 105Hz의 최신 기술과 일치한다. 이러한 벤치마크는 PointPillars가 포인트 클라우드에서 객체 감지를 위한 적절한 인코딩임을 시사한다.