지도 좌표계와 테스트 장면

탐지를 어떤 좌표계의 지도에 올리고, 어떤 장면에서 평가하는가?

지도 좌표계와 자차 운동의 가정

BEV 지도는 자차(ego)와 함께 움직이지 않는 세계 좌표계(world frame)에 고정한다. 매 프레임의 극좌표 관측 $(r, \theta)$ 는 자차의 자세 $(x_s, y_s, \psi)$ 를 거쳐 세계 좌표 $(x_g, y_g)$ 로 바뀐다.

\begin{bmatrix} x_g \\ y_g \end{bmatrix} = \begin{bmatrix} x_s \\ y_s \end{bmatrix} + r \begin{bmatrix} \cos(\theta + \psi) \\ \sin(\theta + \psi) \end{bmatrix}

기본 실험은 자차 운동에 오차가 없다고 가정한다. 오도메트리(odometry)가 완벽하다는 가정 위에서 도래각 알고리즘만 비교하면, 지도 품질의 차이를 오도메트리 오차와 섞지 않고 도래각의 차이로 돌릴 수 있다. 자차 운동의 오차는 따로 정답 도래각과 정답 거리를 고정하고 자세만 흔드는 부록 실험에서 다룬다.

도시 교차로 장면

이 사례는 도시 교차로 장면에서 평가한다. 자차는 오른쪽 차로(x = 1.75 m)를 따라 북쪽으로 달리며, 교차로에 들어서기 직전부터 지난 뒤까지를 관측한다. 장면에는 도로 경계, 주차한 차량, 교차로 가장자리의 건물 벽, 가로지르는 차량이 함께 있어 가시성, 가림, 움직이는 물체의 효과가 한 시퀀스에 모두 담긴다.

도시 장면 한 프레임과 그 FMCW 큐브의 단면: range-Doppler, 거리-각도, Doppler-각도 — (a)는 도시 장면의 한 프레임이고, 그 프레임의 FMCW 큐브를 (b) range-Doppler, (c) 거리-각도, (d) Doppler-각도의 세 축 조합으로 자른 2차원 단면이 이어진다. 흰 점은 정지 환경의 예측 위치, 별은 가로지르는 차량이다.

자차가 움직이므로 정지 환경은 0이 아니라 시선 속도(radial velocity) $v_r=v_\text{ego}\cos\theta$ 를 따라 양의 속도에 놓이고, 그림의 흰 점이 그 예측이다. 가로지르는 차량은 속도만 보면 정지 환경의 띠 안에 있으므로, 각도와 함께 이 예측과 견주어야 갈린다.