惡天候 속 LiDAR 의미론적 분할의 혁신: NTN - 안전한 자율주행을 위한 새로운 지평

박준성, 이휘정, 강인하, 심현정 연구팀이 개발한 NTN은 악천후 속 LiDAR 의미론적 분할에서 '사물' 카테고리 예측 정확도를 크게 향상시켜 자율주행 안전성을 높이는 혁신적인 기술입니다. SemanticKITTI-to-SemanticSTF 및 SemanticPOSS-to-SemanticSTF 벤치마크에서 우수한 성능을 기록했습니다.

악천후에도 안전한 자율주행을 위한 혁신적인 LiDAR 기술

박준성, 이휘정, 강인하, 심현정 연구팀이 개발한 NTN (segmeNt Things for No-accident) 은 악천후 속에서도 LiDAR 의미론적 분할의 정확도를 획기적으로 높이는 기술입니다. 기존 기술들은 악천후로 인해 '사물'(things) 카테고리 예측에 어려움을 겪었는데, NTN은 이 문제를 해결하여 자율주행의 안전성을 크게 향상시켰습니다.

문제의 핵심: '사물'과 '배경'(stuff)의 차이

자율주행에서 '사물' 카테고리(자동차, 사람, 자전거 등)는 '배경'(건물, 나무, 도로 등)보다 안전에 훨씬 중요합니다. 기존의 도메인 일반화 기법들은 '배경' 카테고리에 비해 '사물' 카테고리의 예측 정확도가 떨어지는 문제를 안고 있었습니다. 이는 악천후로 인한 의미 수준 특징 저하와 국소적 특징 손상 때문입니다. 결과적으로 '사물'이 '배경'으로 잘못 분류되는 현상이 발생했습니다.

NTN의 혁신적인 해결책

NTN은 이러한 문제를 해결하기 위해 두 가지 핵심 전략을 제시합니다.

1. 의미 수준 특징 손상 방지: 각 점 특징을 상위 클래스에 연결하여 시각적으로 유사하지 않은 카테고리로의 잘못된 예측을 방지합니다. 마치 각 물체의 '정체성'을 확실히 하여 혼동을 막는 것과 같습니다.
2. 국소적 특징 손상 완화: 각 LiDAR 빔을 국소 영역으로 정의하고, 깨끗한 데이터와 손상된 데이터 간의 특징 공간 정렬을 위한 정규화 항을 제안합니다. 이는 마치 악천후의 '잡음'을 제거하고 원본 신호를 복원하는 것과 같습니다.

놀라운 성능 향상

NTN은 SemanticKITTI-to-SemanticSTF 벤치마크에서 +2.6 mIoU, SemanticPOSS-to-SemanticSTF 벤치마크에서 +7.9 mIoU의 성능 향상을 달성했습니다. 특히, '사물' 카테고리에 대한 성능 향상은 각각 +4.8 mIoU와 +7.9 mIoU로 매우 두드러집니다. 이러한 결과는 NTN이 악천후 속에서도 '사물' 카테고리를 정확하게 인식하는 데 매우 효과적임을 보여줍니다.

결론: 안전한 미래를 향한 한 걸음

NTN은 악천후 속 LiDAR 의미론적 분할의 정확도를 높여 자율주행 안전성을 크게 향상시키는 획기적인 기술입니다. 이 연구는 자율주행 기술의 상용화 및 안전성 확보에 중요한 기여를 할 것으로 기대됩니다. 앞으로 더욱 발전된 기술을 통해 더욱 안전하고 편리한 자율주행 시대가 열릴 것으로 예상됩니다.