One of the technologies that have recently received a lot of interest is the autonomous driving system. There are several modules with various functions in the autonomous driving system, and the most important technology among them is 3D object detection using multiple sensors. However, this is a task using a DNN model, and a lot of energy is consumed to make inferences using an object detection model with sensor frames as an input value. Since the autonomous driving system is a battery-run system, energy consumption is also an important factor as much as accuracy and latency. This thesis proposes an accuracy-preserving frame filtering technique to improve the energy-efficiency of the autonomous driving system. The proposed frame filtering technique outperforms 2.83 times better than frame filtering technique with constant strides, and 3.48 times better than frame filtering technique with a fixed threshold.
최근 많은 주목을 받고 있는 기술 중 하나는 바로 자율주행이다. 자율주행 시스템에는 다양한 기능을 하는 여러 가지 모듈들이 존재하지만 그중 가장 중요하다고 여겨지는 기술은 여러 센서를 이용한 3D 장애물 탐지이다. 그러나 이는 인공지능 모델을 사용하는 작업으로 프레임에 대한 추론을 하는 데에 많은 에너지가 소모된다. 자율주행 자동차는 배터리 기반으로 한정된 에너지를 사용할 수 있으므로 에너지 사용량 또한 정확도와 지연시간 못지않게 중요한 요소이다. 본 학위 논문에서는 라이다를 이용한 3D 장애물 탐지에서 정확도를 유지하면서 에너지 효율을 올리는 방법에 대해 고찰하고 해결책으로 연속된 프레임 간의 편차를 기반으로 하는 동적 역치 조절 프레임 필터링 기법을 제안한다. 이 방법은 정확도를 보존하는 선에서, 일정 보폭을 이용한 프레임 필터링 기법 대비 최소 1.27배에서 최대 2.83배, 고정된 역치를 이용한 필터링 기법 대비 최소 1.21배에서 최대 3.48배의 에너지 절약을 보였다.
