[논문 리뷰] Computer Vision for Autonomous Vehicles: Problems, Datasets and State of the Art

Joel Janai, Fatma Güney외 2명|arXiv (Cornell University)|2017. 04. 18.

Advanced Neural Network Applications인용 수 144

한 줄 요약

자 perce ption 문제, 데이터셋 및 최첨단 방법에 대한 자율 주행의 포괄적 고찰로 벤치마크 분석과 온라인 리소스를 동반한다.

ABSTRACT

Recent years have witnessed enormous progress in AI-related fields such as computer vision, machine learning, and autonomous vehicles. As with any rapidly growing field, it becomes increasingly difficult to stay up-to-date or enter the field as a beginner. While several survey papers on particular sub-problems have appeared, no comprehensive survey on problems, datasets, and methods in computer vision for autonomous vehicles has been published. This book attempts to narrow this gap by providing a survey on the state-of-the-art datasets and techniques. Our survey includes both the historically most relevant literature as well as the current state of the art on several specific topics, including recognition, reconstruction, motion estimation, tracking, scene understanding, and end-to-end learning for autonomous driving. Towards this goal, we analyze the performance of the state of the art on several challenging benchmarking datasets, including KITTI, MOT, and Cityscapes. Besides, we discuss open problems and current research challenges. To ease accessibility and accommodate missing references, we also provide a website that allows navigating topics as well as methods and provides additional information.

연구 동기 및 목표

• 주행용 자율 비전 지각의 역사와 핵심 도전에 대해 고찰한다.
• 지각 과제 전반에 걸친 주요 데이터셋, 벤치마크, 평가 지표를 요약한다.
• 탐지, 추적, 분할, 재구성, 운동 추정, 장면 이해에 관한 최첨단 방법을 검토한다.
• 자율주행에서의 개방 문제, 연구 도전과제 및 엔드-투-엔드 학습의 방향을 논의한다.
• 온라인 도구를 통해 주제와 방법에 대한 접근 가능한 탐색을 제공한다.

제안 방법

• 모듈형 자율주행 파이프라인과 엔드투엔드 접근법에서 지각 관련 모듈에 대한 체계적 검토.
• 인기 데이터셋(KITTI, MOT, Cityscapes 등)에서의 최첨단 기법에 대한 비교 분석.
• 자율 비전에 관련한 센서 구성, 카메라 모델 및 보정에 대한 논의.
• 합성 데이터 생성을 포함한 데이터셋과 벤치마크에 대한 개요와 질적·양적 통찰.
• 조사된 논문과 방법을 시각화하는 대화형 온라인 리소스를 제공한다.

실험 결과

연구 질문

• RQ1 자율주행차 비전 연구에서의 주요 지각 과제, 데이터셋, 벤치마크는 무엇인가?
• RQ2 주행 시나리오에서의 탐지, 추적, 분할, 재구성 및 운동 추정에 대한 현재의 최첨단 방법은 무엇인가?
• RQ3 다양한 데이터셋과 벤치마크는 현실성, 다양성 및 평가 면에서 어떻게 비교되는가?
• RQ4 자율주행에서의 지각 및 엔드투엔드 학습 접근법에 남은 개방 문제와 도전과제는 무엇인가?
• RQ5 연구자들이 어떻게 효율적으로 분야를 탐색하고, 요약된 정보와 연구 간의 관계에 접근할 수 있는가?

주요 결과

• 본 논문은 인식, 재구성, 운동 추정, 추적, 장면 이해 및 엔드 투 엔드 드라이빙에 걸친 지각 관련 모듈과 엔드투엔드 접근법을 조사합니다.
• KITTI, MOT, Cityscapes와 같은 도전적 벤치마크에서의 최첨단 기법을 분석합니다.
• 강건한 자율 비전 시스템을 위한 센서 구성, 카메라 모델 및 보정에 대해 논의합니다.
• 주제, 방법 및 참고 문헌을 탐색하기 위한 온라인 대화형 도구가 제공됩니다.
• 본 연구는 자율 비전 지각 및 엔드투엔드 주행에서의 개방 문제와 연구 도전을 조명합니다.
• 데이터셋 논의의 일부로 벤치마킹과 훈련에서 합성 데이터 생성을 다룹니다.