Abstract

자율 주행 차량의 3D 인식은 주로 전방 시점 정보를 중심으로 진행되었으나, 실제로 치명적인 사고의 절반 이상은 측면 충돌로 발생합니다(예: T-bone crash). 이 사실에 착안하여, 우리는 측면 시점 깊이 추정 문제를 연구합니다. 특히 넓은 시야각(FoV) 정보를 제공하는 단일 렌즈 어안 카메라에 대해 연구합니다. 그러나 어안 카메라는 도로 영역을 주로 관찰하기 때문에 차량이나 보행자와 같은 객체 영역에서 심각한 왜곡을 일으킵니다. 이러한 문제를 해결하기 위해, 우리는 도로 환경의 기하학적 특성을 기반으로 정확하고 밀도가 높은 깊이 맵을 추정하는 새로운 어안 깊이 추정 네트워크인 SlaBins를 제안합니다. 대부분의 객체가 도로 환경에서 직각으로 서 있다는 점을 활용한 접근 방식입니다. 구체적으로, 우리는 슬랜트된 다중 원통 이미지(MCI) 표현을 도입하여, 카메라의 시야 방향에 관계없이 지면에 직각인 원통형 레이어까지의 거리를 반지름으로 설명할 수 있도록 합니다. 슬랜트된 MCI를 기반으로, 우리는 깊이 추정을 위한 적응형 빈 세트와 픽셀별 확률 맵을 추정합니다. 이후 추정된 시야 방향의 슬랜트 각도와 결합하여 어안 카메라를 위한 밀도 높은 정확한 깊이 맵을 직접 추론합니다. 실험 결과, SlaBins는 SynWoodScape와 KITTI-360 깊이 데이터셋에서 정성적 및 정량적 평가 모두에서 최신 기술들을 능가하는 성과를 보였습니다.