Autonomous Driving 🚙

[HDMap] HDMapNet (ICRA'22) - 이미지로부터 HDMap을 생성하기

Title HDMapNet: An Online HD Map Construction and Evaluation Framework (ICRA’22) Paper link Codes Motivation HD semantic map을 생성하는 기존의 방법은 manually하게 annotation이 필요한 과정이 많음 따라서 이를 개선하기 위해 on-board sensor (surrounding camera + lidar)를 이용해 vectorized local semantic map을 생성하는 framework 제안 Ego vehicle의 정확한 pose를 추정하는 것은 non-linear least-square 문제임을 지적 Methodology Image encoder : Surrounding image에서 ..

[HDMap] HDMap 밴치마크 데이터셋 정리 - nuScenes, Argoverse..

HDMap benchmark datasets usages HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps(CVPR'21) Argoverse Miami(204km의 차선)와 Pittsburg(86km의 차선)에서 촬영된 map 여기서 12000개의 map을 FOV 200m * 200m 로 랜덤샘플링 In-house dataset (WAYMO) San Francisco에서 촬영된 6000개의 map (FOV 120m * 120m)에 evaluation HDMapNet: An Online HD Map Construction and Evaluation Framework(IROS'22) nuScenes In-house dataset ..

[HDmap] VectorNet(CVPR'20) - HDmap을 인코딩하는 알고리즘

# Title VectorNet: Encoding HD Maps and Agent Dynamics from Vectorized Representation (CVPR, 20) [code] # Motivation 기존의 방법은 HD map을 color-coded attributes(RGB)로 rendering해 rasterized representation으로 manual하게 변경한 후, Convolution을 이용해 인코딩함. 하지만 이는 ConvNet의 제한된 receptive field로 인해 context representation을 잘 포착하지 못한다는 문제. 따라서 agent dynamics와 structured scene context를 directly하게 학습할 수 있는 vectorized r..

[Trajectory Prediction] M2I: From Factored Marginal Trajectory Prediction to Interactive Prediction 논문 리뷰

# Title M2I: From Factored Marginal Trajectory Prediction to Interactive Prediction (CVPR, 22) [code] 현시간 기준 Waymo Motion Prediction Dataset SOTA 이다. # Motivation Reasonable한 경로 예측을 위해 scene compliant trajectory를 예측하는 것은 중요하고, 이를 위해서는 Multiple agent를 동시에 고려해야함 하지만 이를 위해 Joint predictor를 이용하면 agent 수가 늘어남에 따라 prediction space가 기하 급수적으로 커지는 문제가 발생하며, 이 때 colliding 하는 것들을 pruning 하면 interaction이 무시..

[Lane Detection] Multi-level Domain Adaptation for Lane Detection(CVPR'22) 논문 리뷰

오늘은 Lane Detection을 Domain Adaptation으로 푸는 MLDA(CVPR'22) paper에 대한 논문 리뷰 포스팅을 하려고 한다! Domain Adaptation과 Lane Detection의 조합이라니.. 신선하다 🌿 Title Multi-level Domain Adaptation for Lane Detection (CVPR'22) CULane TUSimple dataset에 대해 cross evaluation을 진행하고, 두 데이터셋 사이의 domain shift를 지적 Lane Detection에서 domain shift 문제를 지적한 (거의 첫번째) 논문 이 논문은 대체 어떤 부분에서 lane detection 데이터셋간 domain shift가 발생한다고 생각하고, 이를 ..

[영상 Geometry] FOV(Field Of View)에 대해

이번에는 FoV에 대해 포스팅하려고 한다. Camera projection과 관련된 내용이니 잘 알아두면 좋을 것 같아서 정리한다! :) FOV(Field Of View) 일단 FOV(Field Of View)는 카메라가 볼 수 있는 최대 각도라고 생각하면 된다. 핀홀카메라 모델을 가정할 때 아래와 같은 그림이 그려질 수 있다. 카메라와 Image plane을 3차원으로 나타낸 그림이라고 이해하면 된다. 위 그림을 BEV(Bird Eye View) 즉, 위에서 본다고 생각해보자. 그럼 아래와 같은 그림이 그려지게 된다. 위 그림을 해석해보면, 일단 O는 카메라 중심이다. 그리고 맨 아래는 Image plane을 나타낸 것이다. 그리고 f는 초점거리이다! (K 행렬을 구성하는 그 f가 맞다) 우리는 여기서..

[영상 Geometry] Homogeneous Coordinate에 대해

이번에는 Homogeneous Coordinate에 대해 포스팅해보려고 한다. 서론 이전 게시글 2022.07.19 - [Computer Vision💖/영상처리] - [영상 Geometry] 2D & 3D Transformation(변환)에 대해 에서 2D/3D transformation에 대해 포스팅했다. 이를 통해 우리는 평행이동/회전이동 등의 rigid 변환이 linear하게 나타내질 수 있음을 알았다! 즉, Y=RX+T 형태로 말이다. 하지만 이러한 식 형태에서 +T를 해주는 대신 하나의 행렬 곱으로 나타낼 순 없을까? 당연히 나타낼 수 있다. Homogeneous Coordinate를 이용하면 된다 ~ Homogeneous Coordinate Homogeneous Coordinate는 위 그림처..

[영상 Geometry] 2D & 3D Transformation(변환)에 대해

다음은 Homogeneous coordinate와 transformation에 대해 정리해보려고 한다. 아마 한동안은 카메라 관련 게시글을 업로드하지 않을까 싶다 ㅎㅎ 그래도 블로그에 정리해보니 생각 정리가 잘 된다. Transformation(변환) 일단 점 x를 점 x'에 매핑(매칭)하는 함수를 transformation(변환)이라고 한다. 그리고 점과 점을 매핑하는 행위를 확장하면 이미지와 이미지 사이의 매칭 관계를 모델링하는 함수를 나타내는 것이라고 이해할 수 있겠다. 아래와 같이 말이다. 이러한 정의를 잘 이해하는 것이 아래 개념이 와닿는 데에 도움이 많이 될 것 같다. 변환의 종류에는 다음과 같이 여러개의 종류가 있다. 하지만 이 게시글에서는 Translation(평행이동)과 Rotation(..