A PointPillars-CenterPoint-Based CPU-GPU Hybrid 3D LiDAR Object Perception System for UAM

본 논문에서는 UAM(Urban Air Mobility) 환경에서 사용되는 기존 CPU 기반 경량 LiDAR 인지 시스템을 PointPillars-CenterPoint 기반 End-to-End 3D 객체 검출 네트워크가 포함된 CPU-GPU 하이브리드 구조로 확장하였다. 제안 구조는 PointPillars 기반 백본을 이용하여 3차원 포인트 클라우드를 BEV(Bird’s-Eye View) 특징 맵으로 변환하고, CenterPoint 기반 검출 헤드에서 객체 중심점, 3D 바운딩 박스 및 클래스를 직접 예측한다. 생성된 검출 결과는 후단의 Kalman-Hungarian 기반 다중 객체 추적 모듈과 연계된다. 실제 드론 비행 데이터를 이용한 정량 평가 결과, 원거리·희소 포인트 구간에서 제안 구조는 Vehicle과 Pedestrian에 대해 각각 AP 0.927과 0.615를 달성하여 기존 CPU 기반 경량 구조의 0.030과 0.003보다 현저히 향상된 성능을 보였다. 또한 F1-Score가 최대가 되는 operating point에서 각각 0.893과 0.618을 기록하였다. 이러한 결과는 제안한 CPU-GPU 하이브리드 구조가 UAM 운용에서 원거리·희소 LiDAR 환경의 장애물 인지 신뢰도를 효과적으로 향상시킬 수 있음을 보여준다.