In autonomous driving systems, object detection technology identifies the location and type of obstacles around the vehicle. Since autonomous driving systems conduct path plans and behavior decisions based on object detection, reliable object detection technology across various conditions is vital for safety. Recently, 4D Radar sensors have gained interest in object detection studies for their robustness against poor weather conditions such as rain and snow. However, training networks for object detection requires large datasets and manual labeling of vast amounts of sensor data. Moreover, since 4D Radar sensor data is not intuitive for humans, annotating accurate 3D labels is difficult and expensive labor. To address these challenges, this paper addresses an auto-labeling method utilizing pre-trained deep learning networks to effectively train 4D Radar object detection networks.
자율주행 인지기술 중 객체인식은 차량 주변 여러 장애물의 위치와 종류를 인식하는 기술이다. 자율주행 시스템은 객체인식 결과를 바탕으로경로계획을 수립하기 때문에 안전한 자율주행을 위해서 다양한 환경에서 강인하게 작동하는 객체인식 기술이 필수적이다. 따라서 최근에 카메라, 라이다 센서와 비교했을 때 눈, 비가 오는 악천후 환경에도 영향을 적게 받는 4D 레이다 센서를 활용하여 악천후 환경에서도 강인하게 객체를 인식하는 연구가 주목 받고 있다. 다만 객체인식을 위한 네트워크 학습에는 대용량 데이터 셋이 필요하며, 이를 위해 많은 양의 센서 데이터에 대해 정답 라벨을 부여하는 수작업이 필요하다. 더욱이 4D 레이다 센서 데이터는 사람이 보기에 직관적이지 않아 정교한 라벨을 작성하는 작업은 많은 시간과 비용이 소요되는 작업이다. 본 논문은 이처럼 사람이 직접 작성하기 번거로운 4D 레이다 라벨링을 딥러닝 네트워크를 활용하여 자동으로 정답 라벨을 작성하여 효율적으로 데이터셋을 구축하는 오토라벨링 기술에 대해 다루고자 한다.
