Most of the recent 3D object detection algorithms are based on LiDAR point cloud and algorithms based on images still lacks behind in performance. This is mostly attributed to the less accurate depth estimation from images compared to LiDAR. However, LiDAR are expensive sensors and cameras offers a more efficient alternative if we can construct a reliable algorithm. In this study, we investigate a novel 3D object detection algorithm that utilizes stereo images. The algorithm makes detection on the disparity space images constructed from stereo matching. The features of the images in the disparity space are already computed during the stereo matching algorithm. This way, we expand the detection space from 2D image to 2.5D space while sharing computation with stereo matching algorithm to keep computation cost lower. For that, we also built a memory efficient stereo matching algorithm by modifying the cost volume construction step of existing algorithm. Our stereo matching algorithm is shown to be faster and memory efficient compared to previous methods.
카메라를 이용한 이미지 기반 알고리즘은 여전히 성능면에서 부족하기 때문에 최근의 3차원 물체인식 알고리즘의 대부분은 라이다 포인트클라우드를 기반으로하고 있습니다. 왜냐하면 카메라가 라이다에 비해 Depth extraction의 정확도가 떨어지기 때문입니다. 하지만 라이다는 비싼 센서이기 때문에 카메라를 이용해 깊이추정 성능을 향상시킬 수 있다면 카메라가 가격면에서 그리고 성능면에서 기존의 라이다 센서보다 효율적인 대안 센서라고 평가받을수 있습니다. 본 연구에서는 3차원 입체 영상을 이용한 새로운 3차원 물체 검출 알고리즘을 제안합니다. 본 연구에서 제안하는 알고리즘은 스테레오 매칭의 결과인 불일치 공간맵을 계산하고 스테레오 매칭 알고리즘에서 미리 계산된 이미지의 특징점들을 이용한 알고리즘입니다. 이렇게 접근하게 되면 2차원 이미지에서 2.5차원 이미지로 인식할 수있는 영역을 빠르게 확장하면서 스테레오 매칭 알고리즘의 속도를 향상시킬수 있습니다. 이처럼 기존 알고리즘의 계산 단계를 수정하여 효율적인 스테레오 매칭 알고리즘을 구축했습니다. 따라서 본연구에서 제안하는 스테레오 매칭 알고리즘은 이전 방법에 비해 더 빠르고 메모리 효율이 높은 것을 볼수있습니다.
