인프라 기반 단안 카메라를 이용한 차량 3D 위치 추정 프레임워크
Infrastructure-based Monocular 3D Vehicle Localization Framework with Experimental Validation
arXiv도로변 카메라 이미지 하나만으로 차량의 3차원 위치와 방향을 직접 추정하는 새로운 학습 프레임워크가 개발되었습니다.
- 기존처럼 탐지 후 별도의 기하학적 처리가 필요했던 방식과 달리, 시각 특징을 활용해 위치 및 방향 추정을 한 번에 수행하는 것이 핵심입니다.
- 복잡한 추가 과정 없이도 도시 교차로 등 실제 환경에서 차량 움직임을 파악할 수 있어 자율주행 인지 시스템에 높은 잠재력을 보여줍니다.
- 모델 학습을 위해 도로변 카메라와 드론(UAV) 영상을 동기화하여 정밀한 지상 진실 데이터를 구축했다는 점이 기술적 강점입니다.
본 논문은 단안(monocular) 도로변 카메라 이미지를 지상 고정 좌표계의 차량 상태로 직접 매핑하는 일단계 학습 프레임워크를 제시합니다. 기존 방식이 이미지 평면에서 먼저 차량을 탐지한 후 별도의 기하학적 후처리 과정을 거치는 것과 달리, 제안된 방법은 사전 훈련된 객체 감지기(object detector)의 시각 특징을 활용하여 각 차량의 지상면 위치, 크기, 요(yaw) 각도를 공동으로 추정합니다. 이로써 시각 특징이 탐지뿐만 아니라 공간적 및 방향성 추정에 직접 사용됩니다.
모델 훈련과 평가를 지원하기 위해, 도로변 카메라와 무인항공기(UAV)의 동기화된 비디오를 기반으로 데이터 수집 및 라벨 생성 파이프라인을 개발했습니다. UAV는 임시적인 상부 시야 감지 플랫폼 역할을 수행하며, 차량의 궤적, 크기, 방향 정보를 제공합니다. 이 정보들은 지상 고정 좌표계로 변환되어 도로변 카메라 이미지와 시간적으로 정렬됨으로써 지상 진실(ground-truth) 라벨을 생성하는 데 사용되었습니다.
Mcity 테스트 시설에서 수집된 데이터를 사용하여 프레임워크를 평가한 결과, 별도의 기하학적 후처리 단계 없이도 단안 도로변 이미지를 통해 차량의 궤적과 방향성을 복구할 수 있음을 입증했습니다. 이는 도시 교차로와 같은 환경에서 인프라 기반의 인식 시스템으로 확장 가능한 잠재력을 보여줍니다.