[논문 리뷰] Free Space Estimation using Occupancy Grids and Dynamic Object Detection

Raghavender Sahdev|arXiv (Cornell University)|2017. 08. 16.

Robotics and Sensor-Based Localization참고 문헌 4인용 수 3

한 줄 요약

이 논문은 스테레오 시각과 점유 그리드를 이용한 자율 주행을 위한 자유 공간 추정 방법을 제안하며, 운동 흐름과 RANSAC 기반 분할을 통한 동적 객체 탐지로 상향도 맵 정확도를 향상시킵니다. 순차적인 점유 그리드를 정렬하고 동적 장애물을 필터링하여 환경 맵핑의 강건성을 확보하였으며, KITTI 데이터셋에서 복잡한 도심 환경에서의 자유 공간 탐지 성능 향상이 입증되었습니다.

ABSTRACT

In this paper we present an approach to estimate Free Space from a Stereo image pair using stochastic occupancy grids. We do this in the domain of autonomous driving on the famous benchmark dataset KITTI. Later based on the generated occupancy grid we match 2 image sequences to compute the top view representation of the map. We do this to map the environment. We compute a transformation between the occupancy grids of two successive images and use it to compute the top view map. Two issues need to be addressed for mapping are discussed - computing a map and dealing with dynamic objects for computing the map. Dynamic Objects are detected in successive images based on an idea similar to tracking of foreground objects from the background objects based on motion flow. A novel RANSAC based segmentation approach has been proposed here to address this issue.

연구 동기 및 목표

• 스테레오 이미지 쌍을 이용해 자율 주행 시나리오에서 자유 공간을 추정하기 위해.
• 연속된 이미지 시퀀스에서 유도된 점유 그리드를 정렬하여 정확한 상향도 맵을 생성하기 위해.
• 운동 기반 탐지 방법을 통해 맵 구축 과정에서의 동적 객체 간섭을 해결하기 위해.
• 이동 장애물이 많은 혼잡한 도심 환경에서 자유 공간 추정의 강건성을 향상시키기 위해.

제안 방법

• 스테레오 이미지 쌍에서 확률적 점유 그리드를 구축하여 장면 기하학을 표현하기 위해.
• 연속적인 점유 그리드 간의 프레임 간 변환을 계산하여 공간 표현을 정렬하기 위해.
• 연속 프레임 간 운동 흐름의 차이를 이용해 동적 객체를 탐지하고 정적 배경과 구분하기 위해.
• 새로운 RANSAC 기반 분할 방법을 적용하여 동적 객체 탐지의 정밀도를 향상시키고 그리드의 일관성을 개선하기 위해.
• 정렬된 점유 그리드를 융합하면서 탐지된 동적 객체를 필터링하여 상향도 맵을 생성하기 위해.
• 실제 도심 주행 시퀀스를 사용하여 KITTI 벤치마크 데이터셋에서 방법을 검증하기 위해.

실험 결과

연구 질문

• RQ1 동적 도심 환경에서 점유 그리드를 활용한 스테레오 이미지로부터 자유 공간을 정확하게 추정할 수 있는 방법은 무엇인가요?
• RQ2 동적 객체가 상향도 맵 품질에 미치는 영향은 무엇이며, 그리드 융합 과정에서 효과적으로 필터링할 수 있는 방법은 무엇인가요?
• RQ3 운동 흐름 분석과 RANSAC 기반 분할을 조합하면 동적 객체 탐지의 정확도를 향상시켜 자유 공간 추정에 기여할 수 있나요?
• RQ4 제안된 그리드 정렬 및 융합 방법이 연속 프레임 간 공간 일관성을 얼마나 잘 유지합니까?
• RQ5 기본 점유 그리드 접근 방식에 비해 이 방법은 자유 공간 추정 정확도를 얼마나 향상시킬 수 있나요?

주요 결과

• 제안된 RANSAC 기반 분할 방법은 운동 흐름 분석에서의 오진 양성률을 감소시켜 동적 객체 탐지 정확도를 크게 향상시킵니다.
• 프레임 간 변환을 이용한 그리드 정렬은 연속적인 스테레오 이미지 쌍 간에 일관된 상향도 맵 생성을 가능하게 합니다.
• 이 방법은 붐비는 도심 교차로와 같이 동적 객체 밀도가 높은 환경에서도 자유 공간 추정에 강건성을 확보합니다.
• 정렬된 점유 그리드에 동적 객체 필터링을 융합함으로써 환경의 더 정확하고 신뢰할 수 있는 상향도 표현이 가능해집니다.
• KITTI 벤치마크에서의 성능 향상이 입증되었으며, 특히 이동 중인 차량과 보행자 주변의 자유 공간 영역을 잘 유지하는 데 뛰어난 성능을 보입니다.
• 운동 흐름과 RANSAC 기반 분할의 통합은 일시적인 동적 객체로 인한 맵 아티팩트를 감소시킵니다.