[논문 리뷰] Object Detection in Autonomous Vehicles: Status and Open Challenges

Abhishek Balasubramaniam, Sudeep Pasricha|arXiv (Cornell University)|2022. 01. 19.

Advanced Neural Network Applications인용 수 45

한 줄 요약

이 논문은 자율주행용 딥러닝 기반 객체 탐지기의 최첨단 현황을 조사하고 이러한 탐지기를 인지 시스템에 통합하는 데 남은 과제를 논의합니다.

ABSTRACT

Object detection is a computer vision task that has become an integral part of many consumer applications today such as surveillance and security systems, mobile text recognition, and diagnosing diseases from MRI/CT scans. Object detection is also one of the critical components to support autonomous driving. Autonomous vehicles rely on the perception of their surroundings to ensure safe and robust driving performance. This perception system uses object detection algorithms to accurately determine objects such as pedestrians, vehicles, traffic signs, and barriers in the vehicle's vicinity. Deep learning-based object detectors play a vital role in finding and localizing these objects in real-time. This article discusses the state-of-the-art in object detectors and open challenges for their integration into autonomous vehicles.

연구 동기 및 목표

• 자율주행의 안전한 주행을 위한 객체 탐지의 중요성을 강조합니다.
• 차량 인지에 사용되는 현재의 딥러닝 기반 객체 탐지기를 리뷰합니다.
• 실시간이고 견고한 자율주행을 위한 탐지기의 배치에서의 핵심 과제를 식별합니다.

제안 방법

• 자율주행에 사용되는 기존 객체 탐지 접근법에 대한 조사와 합성.
• 보행자, 차량, 교통 표지판, 장애물을 로컬라이즈하고 식별하는 탐지기의 방식에 대한 논의.
• 자율주행 차량 인지 스택 내의 통합 과제에 대한 비판적 분석.

실험 결과

연구 질문

• RQ1 자율주행에 사용되는 객체 탐지기의 현재 상태는 어떠한가?
• RQ2 실제 자율주행 차량에서 이러한 탐지기의 배치를 방해하는 남은 과제와 한계는 무엇인가?
• RQ3 자율주행을 위한 강건한 인지 시스템에 객체 탐지를 어떻게 효과적으로 통합할 수 있는가?

주요 결과

• 딥러닝 기반 탐지기는 실시간으로 객체를 찾고 로컬라이즈하는 데 중요한 역할을 한다.
• 인지 시스템은 차량의 주변을 이해하기 위해 정확한 객체 탐지에 의존한다.
• 이 논문은 최첨단 탐지기와 자율주행 차량에의 통합을 위한 남은 과제를 논의한다.