Key points are not available for this paper at this time.
운전 보조 시스템은 안전 또는 편안함 기능을 제공합니다. 이러한 시스템은 세계의 상태를 평가하고 필요한 행동을 취해야 합니다. 세계의 상태를 평가하기 위한 초기 단계는 장면 객체를 감지하고 추적하며 분류하는 것입니다. 복잡한 도시 교통 시나리오에서는 분류 단계가 특히 중요해집니다. 이러한 시나리오에서 선택되는 센서는 비전 기반이며, 이는 상세한 장면 정보를 제공합니다. 본 논문에서는 스테레오 비전을 기반으로 한 감지, 추적 및 분류 프레임워크의 구조를 제시합니다. 큰 객체의 경우 포인트 군집화 알고리즘을 사용하여 객체를 감지하고, 작은 객체의 경우 밀도 맵 군집화 알고리즘을 사용합니다. 우리는 먼저 객체의 차원에 따라 대략적인 분류를 수행하고 각 클래스의 운동 모델에 따라 객체를 추적합니다. 우리는 운동 특징을 추출하고 정제된 분류를 수행합니다. 이후 클래스 특화 이분법 기법을 사용하여 분류된 객체를 필터링하고 잘못된 분류를 거부합니다. 수동으로 레이블이 지정된 대규모 데이터베이스는 운동 모델을 결정하고 분류기를 학습시키며 시스템 성능을 측정하는 데 사용됩니다.
Bota et al. (Sat,)는 이 질문을 연구했습니다.