Browse

Accurate and Fast Human Detection from 3D LiDAR Point Clouds with Data Transformation
3D LiDAR 포인트 클라우드에서 데이터 변환을 통한 정확하고 빠른 사람 감지

DC Field Value Language
dc.contributor.advisorU Kang-
dc.contributor.authorWANG SHUYU-
dc.date.accessioned2020-10-13T02:59:20Z-
dc.date.available2020-10-13T02:59:20Z-
dc.date.issued2020-
dc.identifier.other000000161566-
dc.identifier.urihttp://hdl.handle.net/10371/169369-
dc.identifier.urihttp://dcollection.snu.ac.kr/common/orgView/000000161566ko_KR
dc.description학위논문 (석사) -- 서울대학교 대학원 : 공과대학 컴퓨터공학부, 2020. 8. U Kang.-
dc.description.abstractGiven an object and its 3D LiDAR point cloud, how can we detect human accurately?
Human detection from 3D LiDAR points is an important task in autonomous systems.
The shape of a point cloud of an object varies at different distances due to the issues
of the vertical and horizontal resolutions of 3D LiDAR sensors. The sparse density of
3D points far from 3D LiDAR sensors directly results in inferior quality of features,
and affects the detection performance.
In this thesis, we propose ObjectZoom, an accurate and fast human detection
method for a 3D LiDAR point cloud. ObjectZoom improves the accuracy of the detection
task by carefully transforming the given point cloud considering the characteristics
of the 3D LiDAR sensor for a better feature extraction of point clouds. Our
extensive experiments on four real world datasets show that ObjectZoom provides the state-of-the-art accuracy and a fast running time in the human detection task.
-
dc.description.abstract물체와 그의 3D 라이다 포인트 클라우드가 주어지면 어떻게 사람을 정확하게 감
지할 수 있을까? 3D 라이다 포인트들에서 사람을 감지하는 것은 자율 시스템에서
중요한 작업이다. 3D 라이다 센서의 수직 및 수평 해상도 문제로 인해 물체의 모양이
거리에 따라 다른다. 3D 라이다 센서에서 멀리 떨어진 3D 포인트의 희박한 밀도는
직접적으로 피쳐들의 품질을 저하시키고 감지 성능에 영향을 미친다.을
이 논문에서는 3D LiDAR 포인트 클라우드를 위한 정확하고 빠른 사람 감지 방
법 인 ObjectZoom 을 제안한다. ObjectZoom 은 더 나은 피쳐 추출을 위해 3D LiDAR
센서의 특성을 고려하여 주어진 포인트 클라우드를 신중하게 변환하여 작업의 정확
성을 향상시킨다. 4 가지 실제 데이터 세트에 대한 광범위한 실험은 ObjectZoom 이
사람 감지 작업에서 최첨단의 정확도와 빠른 실행 시간을 제공한다는 것을 보여준
다.
-
dc.description.tableofcontentsI. Introduction 1
II. Background and Related Works 4
III. Proposed Method 8
3.1 Overview 8
3.2 Grouping 3D LiDAR Points by Channels 9
3.3 Determination of Standard Distance 10
3.4 Mapping Heights to Standard Distance 11
3.5 Augmentation 12
3.5.1 Vertical Augmentation 13
3.5.2 Horizontal Augmentation 15
3.6 ObjectZoom-HV 16
3.7 Complexity of ObjectZoom 18
IV. Experiments 19
4.1 Settings 19
4.1.1 Dataset 19
4.1.2 Competitors 20
4.1.3 Features 20
4.1.4 Training 21
4.1.5 Evaluation 22
4.2 Accuracy 22
4.3 Running Time 25
V. Conclusion 26
References 27
Abstract in Korean 29
-
dc.language.isoeng-
dc.publisher서울대학교 대학원-
dc.subject3D LiDAR points-
dc.subjectHuman detection-
dc.subjectData augmentation-
dc.subject3D 라이다 포인트-
dc.subject사람 감지-
dc.subject데이터확대-
dc.subject.ddc621.39-
dc.titleAccurate and Fast Human Detection from 3D LiDAR Point Clouds with Data Transformation-
dc.title.alternative3D LiDAR 포인트 클라우드에서 데이터 변환을 통한 정확하고 빠른 사람 감지-
dc.typeThesis-
dc.typeDissertation-
dc.contributor.AlternativeAuthor왕슈위-
dc.contributor.department공과대학 컴퓨터공학부-
dc.description.degreeMaster-
dc.date.awarded2020-08-
dc.contributor.major컴퓨터전공-
dc.identifier.uciI804:11032-000000161566-
dc.identifier.holdings000000000043▲000000000048▲000000161566▲-
Appears in Collections:
College of Engineering/Engineering Practice School (공과대학/대학원)Dept. of Computer Science and Engineering (컴퓨터공학부)Theses (Master's Degree_컴퓨터공학부)
Files in This Item:
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse