탑승 객체 감지: 다변수, 다중 모달 및 다중 뷰 지역 전문가의 랜덤 포레스트

최근에 상당한 발전이 있었음에도 불구하고, 객체 감지는 실제 시나리오에서 여전히 매우 도전적인 문제입니다. 이러한 조건에서 성공적으로 작동하는 감지기를 개발하기 위해서는 여러 단서, 여러 이미징 모달리티, 그리고 다양한 객체 뷰와 자세를 고려한 강력한 다중 뷰 (MV) 분류기를 활용하는 것이 중요합니다. 본 논문에서는 이러한 각 측면(다변수, 다중 모달리티, 강력한 MV 분류기)이 정확도에 미치는 영향을 개별적으로 그리고 통합했을 때 어떻게 영향을 미치는지를 통찰력을 제공하는 광범위한 평가를 제공합니다. 다중 모달리티 구성 요소에서, 우리는 고해상도 빛 탐지 및 거리 측정에 의해 얻어진 RGB 및 깊이 맵의 융합을 탐구하는데, 이는 점점 더 많은 주목을 받고 있는 모달리티 유형입니다. 우리의 분석에 따르면, 앞서 언급한 모든 측면이 정확도를 향상시키는 데 크게 기여하지만, 가시 스펙트럼과 깊이 정보를 융합함으로써 정확도를 훨씬 더 큰 폭으로 향상시킬 수 있습니다. 결과적으로, 이 감지기는 도전적인 KITTI 벤치마크에서 최고의 성능을 기록하며, 구현이 용이하고 계산적으로 효율적인 아주 간단한 블록으로 구성되어 있습니다.